Anda di halaman 1dari 203

PROGRAM STUDI STATISTIKA UNIVERSITAS ISLAM BANDUNG

Buku Ajar

Metode Statistika 1
Lisnur Wachidah
Teti Sofia Yanti
Program Studi Statistika, Universitas Islam Bandung

D IBIAYAI

OLEH

P ROGRAM H IBAH K OMP ETISI I NSTITUSI


2008

DAFTAR ISI

BAB 1 ARTI STATISTIKA


1. Pengantar
2. Kompetensi Dasar
3. Tujuan Pembelajaran
4. Indikator
5. Kegiatan belajar
5.1 Statistik dan Statistika
5.2 Jenis dan Sumber Data
5.3 Populasi dan Sampel
5.4 Skala Pengukuran
6. Latihan
7. Daftar Pustaka
BAB 2 NOTASI DAN OPERASINYA
Pengantar
Kompetensi Dasar
Tujuan Pembelajaran
Indikator
Kegiatan Belajar
5.1 Notasi
5.2 Operasi Penjumlahan
5.3 Sifat-sifat Pokok Penjumlahan
6. Latihan
7. Daftar Pustaka
1.
2.
3.
4.
5.

BAB 3 PENYAJIAN DATA


1.
2.
3.
4.
5.

Pengantar
Kompetensi Dasar
Tujuan Pembelajaran
Indikator
Kegiatan belajar
5.1 Penyajian Data
5.2 Penyajian Data dalam Bentuk Daftar
5.3 Diagram Batang
5.4 Diagram garis
5.5 Diagram Lingkaran dan Diagram Pastel
5.6 Diagram Lambang
5.7Diagram Peta
5.8 Diagram Pencar
6. Latihan
7. Daftar Pustaka

Halaman
1
2
2
2
2
3
3
4
4
5
8
9
11
11
11
11
11
12
12
14
16
18
20
22
22
22
22
22
23
23
23
32
37
44
45
47
48
49
52

BAB 4 DAFTAR DISTRIBUSI FREKUENSI


DAN GRAFIKNYA
1.
2.
3.
4.
5.

Pengantar
Kompetensi Dasar
Tujuan Pembelajaran
Indikator
Kegiatan Belajar
5.1 Daftar Distribusi Frekuensi
5.2 Membuat Daftar Distribusi Frekuensi
5.3 Daftar Distribusi Frekuensi Relatif dan Kumulatif
5.4 Histogram dan Poligon Frekuensi
5.5 Model Populasi
6. Latihan
7. Daftar Pustaka

BAB V UKURAN GEJALA PUSAT DAN UKURAN LETAK


Pengantar
Kompetensi Dasar
Tujuan Pembelajaran
Indikator
Kegiatan belajar
5.1 Rata-rata atau Rata-rata Hitung
5.2 Rata-rata Ukur
5.3 Modus
5.4 Median
5.5 Kuartil, Desil, Persentil
6.
Latihan
7. Daftar Pustaka

1.
2.
3.
4.
5.

BAB VI UKURAN SIMPANGAN, DISPERSI, DAN VARIASI


1.
2.
3.
4.
5.

Pengantar
Kompetensi Dasar
Tujuan Pembelajaran
Indikator
Kegiatan belajar
5.1 Rentang, Rentang antar Kuartil, Simpangan Kuartil
5.2 Rata-rata Simpangan
5.3 Simpangan Baku
5.4 bilangan Baku dan Koefisien Variasi
6. Latihan
7. Daftar Pustaka

54
54
55
55
55
55
55
56
60
63
66
69
73
75
75
75
76
76
76
76
82
85
87
88
91
97
99
101
101
101
101
101
102
102
103
104
111
114
115

BAB VII PELUANG


1.
2.
3.
4.
5.

Pengantar
Kompetensi Dasar
Tujuan Pembelajaran
Indikator
Kegiatan belajar
5.1 Pengertian
5.2 Istilah-istilah
5.3 Definisi Peluang
5.3.1
Definisi Peluang Klasik
5.3.2
Definisi Peluang Empirik
5.4 Hukum-Hukum (Aturan Peluang)
6. Latihan
7. Daftar Pustaka
BAB VIII DISTRIBUSI PELUANG
1. Pengantar
2. Kompetensi Dasar
3. Tujuan Pembelajaran
4. Indikator
5. Kegiatan belajar
5.1 Pengertian
5.2 Distribusi Peluang Teoritik
5.2.1 Distribusi Peluang untuk Variabel Diskrit
5.2.2 Distribusi Peluang untuk Variabel Kontinu
6. Latihan
7. Daftar Pustaka
BAB IX DISTRIBUSI SAMPLING
1. Pengantar
2. Kompetensi Dasar
3. Tujuan Pembelajaran
4. Indikator
5. Kegiatan belajar
5.1Distribusi Sampling Rata-rata
5.2 Distribusi Proporsi
5.3 Distribusi Simpangan Baku
5.4 Distribusi Selisih Rata-rata dan
Distribusi Jumlah Rata-rata
5.5 Distribusi Selisih Proporsi
5.6 Menentukan Ukuran Sampel
6. Latihan
7. Daftar Pustaka

117
117
117
117
117
117
117
118
119
119
120
120
125
126

128
128
128
128
129
129
132
132
144
157
158
160
160
160
160
161
161
165
167
169
171
174
176
176

BAB 10 PENAKSIRAN PARAMETER


1.
2.
3.
4.
5.

Pengantar
Kompetensi Dasar
Tujuan Pembelajaran
Indikator
Kegiatan belajar
5.1 Beberapa Definisi
5.2 Penaksiran Titik/Titik Taksiran
5.3 Penaksiran Interval
5.3.1 Menaksir Rata-Rata
5.3.2 Menaksir Proporsi
5.3.3 Menaksir Simpangan Baku
5.3.4 Menaksir Selisih Rata-Rata
6. Latihan
7. Daftar Pustaka

178
178
178
178
178
179
179
179
181
181
183
184
185
191
192

Kata Pengantar
Alhamdulillah, dengan memanjatkan puji syukur kehadirat Alloh SWT,
yang telah melimpahkan rakhmat dan karunia-Nya akhirnya kami dapat
menyelesaikan buku ajar yang berjudul Metode Statistika I, walaupun
buku ini masih banyak kekurangan dan jauh dari kesempurnaan.
Beberapa tahun terakhir ini makin banyak penelitian dilakukan oleh
perorangan ataupun kelompok. Salah satu hal yang sangat penting
sehubungan dengan penelitian yang dilakukan ialah bagaimana data
harus didapat, disajikan, dianalisis, dan disimpulkan. Maka diperlukan
pengetahuan tentang statistika, dan untuk maksud maksud itulah buku
ini dibuat.
Di dalam buku ajar ini, diberikan metode statistika yang penyajiannya
dibuat sedemikian rupa sehingga para pemakai yang berkecimpung
dalam berbagai disiplin ilmu dapat memperoleh manfaatnya.
Isi buku ini terdiri dari 10 Bab yang tiap bab diakhiri dengan soal-soal
untuk latihan dan memahamkan penggunaan metode yang diberikan.
Pengertian-pengertian dasar statistika diberikan pada Bab I dan II, Bab
III membahas masalah penyajian data, sedangkan persoalan daftar
distribusi frekuensi dan grafiknya dibahas pada Bab IV. Persoalan ukuran
gejala pusat dan ukuran letak di sajikan pada Bab V, sedangkan ukuran
simpangan, dispersi dan variasi disajikan pada Bab VI. Pada Bab VII
materi yang dibahas adalah mengenai Peluang, dan materi masalah
distribusi peluang tertuang pada Bab VIII, dan dua bab terakhir
membahas persoalan distribusi sampling serta penaksiran parameter.
Buku ajar ini dapat terwujud berkat bantuan dan kerjasama dari berbagai
pihak, dan penulis ucapkan terima kasih kepada Hendra Gunawan dan
Erti Dinihayati yang telah membantu dalam pengetikan buku ajar ini.
Juga kepada Program Studi Statistika Fakultas Matematika dan Ilmu
Pengetahuan Alam Universitas Islam Bandung, atas segala kerjasama dan
bantuannya, kami ucapkan terima kasih. Tidak lupa kami ucapkan terima
kasih kepada Tim Pelaksana Program Hibah Kompetisi Institusi
Universitas Islam Bandung yang telah memberikan kesempatan kepada
penulis untuk menyusun buku ajar ini.

Penulis menyadari bahwa buku ajar ini masih jauh dari sempurna, oleh
karena itu segala kritik dan saran akan sangat kami terima demi
perbaikan dan kesempurnaan buku ini. Akhirnya, kami berharap agar
segala amal perbuatan yang telah dilakukan mendapat balasan yang
setimpal dari Alloh SWT, Amin.

Program Studi Statistika, FMIPA


Universitas Islam Bandung
September 2008

Lisnur Wachidah, dkk.

MATERI POKOK I
ARTI STATISTIKA
MAS 201
Oleh :
Lisnur Wachidah , dkk

DAFTAR ISI
Halaman
1.
2.
3.
4.
5.

Pengantar
Kompetensi Dasar
Tujuan Pembelajaran
Indikator
Kegiatan belajar
5.1 Statistik dan Statistika
5.2 Jenis dan Sumber Data
5.3 Populasi dan Sampel
5.4 Skala Pengukuran
6. Latihan
7. Daftar Pustaka

2
2
2
2
3
3
4
4
5
8
9

Bab 1: Arti Statistika

Bab

ARTI STATISTIKA

1.

Pengantar
Kata statistika, bukanlah kata asing, tentu sebelumnya pernah mendengar atau
membaca perkataan statistika. Namun kerapkali masyarakat mengartikan
dalam arti sempit mengenai perkataan statistika. Padahal pengertian statistika
yang benar akan meliputi seluruh kegiatan tidak hanya para peneliti
profesional yang menggunakan, tetapi digunakan pula dalam kehidupan
sehari-hari.

2.

Kompetensi Dasar
Mahasiswa dapat mendeskripsikan statistik, statistika, dam skala pengukuran.

3.

Tujuan Pembelajaran
Mahasiswa memahami arti statistik dan statistika dalam penggunaannya, juga
berbagai jenis skala pengukuran sebagai dasar untuk menentukan metode apa
yang dapat digunakan.

4.

Indikator
o Mahasiswa dapat membedakan statistik dan statistika dalam
kehidupan sehari-hari
o Mahasiswa dapat membedakan jenis dan sumber data
o Mahasiswa dapat menentukan populasi dan sampel juga sensus dan
sampling dalam suatu penelitian

Buku Ajar

Bab 1: Arti Statistika

o Mahasiswa dapat menentuan skala pengukuran dari sekelompok data


hasil penelitian

5.

Kegiatan Belajar
5.1 Statsitik dan Statistika
Pernyataan hasil pertanian tahun 2003 mengalami penurunan sebesar
20%, rata-rata 80% penghasilan rakyat Indonesia digunakan untuk
mencukupi kebutuhan pokok, dan setiap hari terjadi 14 kali kecelakaan di
Jawa Barat, sudah sering kita dengar dan baca baik di media elektronik
ataupun di media cetak. Pemerintah menggunakan statistika untuk
menilai pembangunan masa lalu dan juga membuat rencana yang akan
datang. Pimpinan perusahaan mengambil manfaat dari statistika untuk
melakukan tindakan-tindakan yang perlu dalam menjalankan tugasnya,
seperti, kapan mengganti alat-alat produksi, bermanfaatkah jika
mengambil pegawai baru setiap harinya, dan masih banyak lagi manfaat
yang dapat diambil dari statistika.
Data yang dikumpulkan melalui penelitian, riset maupun pengamatan,
dicatat dalam bentuk bilangan atau angka, agar lebih menarik biasanya
disajikan dalam grafik atau diagram. Hal seperti inilah yang biasa disebut
dengan statistik. Jadi statistik yang menjelaskan suatu masalah biasanya
diberi nama statistik mengenai hal yang bersangkutan, misalnya : statistik
pertanian, statistik pendidikan, statistik kesehatan dan masih banyak
nama lain lagi.
Selain menunjukkan mengenai suatu hal, statistik juga bisa mengandung
arti wakil dari sekumpulan data. Ukuran ini didapat berdasarkan
perhitungan dengan menggunakan kumpulan sebagian data dari
keselurauhan tentang persoalan tersebut, umpanya diteliti 30 mahasiswa
dan dicatat IPK (Indeks Prestasi Kumulatif), lalu dihitung rata-rata dari
30 mahasiswa tersebut, didapat 2,87; dari ke-30 mahasiswa tersebut ada
20% yang IPK-nya di atas 3,0; maka nilai rata-rata IPK 2,87 dan 20%
tersebut dinamakan statistik. Selain rata-rata dan presentasi masih banyak
lagi ukuran lain yang merupakan statistik.
Sebagai suatu disiplin ilmu, statistika meliputi berbagai metode dan
konsep yang sangat penting dalam semua penelitian yang melibatkan
pengumpulan data dengan dara riset maupun pengamatan. Jadi, statistika
adalah pengetahuan yang berhubungan dengan cara-cara pengumpulan
data, pengolahan atau penganalisaannya dan penarikan kesimpulan
berdasarkan kumpulan data dan penganalisaan yang dilakukan.

Buku Ajar

Bab 1: Arti Statistika

5.2 Jenis dan Sumber Data


Informasi atau keterangan mengenai suatu hal bisa berbentuk kategori
misalnya : lulus, rusak, setuju, gagal dan sebagainnya, atau juga bisa
berbentuk bilangan. Kesemuanya ini dinamakan data atau
kelengkapannya data statistik. Data yang berbentuk bilangan disebut data
kuantitatif, harganya berubah-rubah atau bersifat variabel (peubah). Dari
nilainya, dikenal dua golongan kuantitatif, yaitu : data dengan variabel
diskrit, biasanya merupakan data hasil membilang ataung singkatnya data
diskrit, dan data dengan variabel kontinu, hasil pengukuran, atau
singkatnya data kontinu.
Contoh data dikrit : Kabupaten Bandung memiliki 3.500 buah gedung
Sekolah Dasar, Dalam satu kelas terdapat 30 orang siswa dengan
periincian 19 orang lakli-laki dan 11 orang perempuan.
Contoh data kontinu : Berat badan 5 orang mahasiswa : 63 kg, 48 kg, 53
kg, 49 kg, 52 kg; penghasilan 3 orang pegawai negeri sipil : Rp. 758.000,-,
Rp. 1.120.000,- Rp. 983.000,- ; kecepatan mobil 90 km/jam.
Adapun data selain data kuantitatif dinamakan data kualitatif . Jadi data
kualitatif adalah data yang dikategorikan atau berbentuk atribut, misalnya
: rusak, gagal, berhasil, cacat, dan sebagainya.
Menurut sumbernya data dikenal dengan data intern dan data ekstern.
Seorang manager perusahaan perusahaan mencatat segala aktivitas
perusahaannya sendiri misalnya : pemasukan, pengeluaran, keadaan
pegawai dan lain-lain aktifitas yang ada diperusahaan. Apabila data
tersebut digunakan untuk menentukan kebijakan perusahaan atau
apapun, maka manajer tersebut menggunakan data intern. Tetapi dalam
suatu hal, membutuhkan dat dari luar perusahaannya sendiri, maka
manager tersebut menggunakan data ekstern. Data ekstern dibagi mejadi
data ekstern primer atau disingkat data primer, bila data tersebut
dikumpulkan dan dikeluarkan oleh badan yang sama, misal BPS.
Sedangkan di luar itu dinamakan data ekstern sekunder. Data yang belum
diolah, baru dikumpulkan dikenal dengan data mentah.

5.3 Populasi dan Sampel


Dari data yang diperoleh, berdasarkan penelitian atau percobaan dapat
diambil kesimpulan. Kesimpulan yang dibuat mengenai suatu hal,
umumnya diharapkan berlaku untuk keseluruhan dan bukan hanya untuk
sebagian saja. Andaikan dikatakan rata-rata penghasilan penduduk
IndonesiaRp. 800.00,-, maka pernyataan ini berlaku berlaku umum untuk
seluruh penduduk Indonesia. Untuk sampai pada pernyataan demikian
diperlukan data yang dapat dikumpulkan dalam 2 cara:
1. Semua penduduk Indonesia diteliti atau dijadikan objek penelitian.
Buku Ajar

Bab 1: Arti Statistika

2. Sebagian saja dari penduduk Indonesia yang dikenai penelitian.


Dalam hal pertama, dilakukan sensus, yaitu totalitas semua nilai
yangmungkin sesuai dengan sifat yang ingin diteliti, dinamakan populasi
dikenai perlakuan tanpa kecuali.
Adapun sebagian yang diambil dari populasi dinamakan sampel. Dengan
cara-cara yang benar pengambilan sampel ini dinamakan
sampling.Karakteristik yang ada dalam populasi harus ada pula dalam
sampel,Sehingga hasil yang didapat dari pengolahan sampel ini
representatif,yaitu sesuai dengan kondisi yang ada dalam populasi.
Pada analisis data apabila peneliti hanya berusaha menganalisis
tanpamembuat atau menarik kesimpulan tentang populasi, dinamakan
statistikadeskiptif. Sedangkan pada analisis data ternyata peneliti
menarikkesimpulan tentang populasi, dinamakan statistika induktif .
Untuk keperluan statistika deskriptif ataupun statistika induktif harus ada
data,
data yang diperlukan harus dapat dipercaya dan dapat
dipertanggungjawabkan kebenarannya. Proses pengumpulan data dapat
diperoleh melalui sensus ataupun sampling.
Cara pengumpulan data antara lain:
a. Penelitian langsung ke lapangan berarti dalam hal ini peneliti
menggunakan data primer.
b. Menggunakan sebagian atau seluruh data dari sekumpulan data yang
ada, berarti dalam hal ini peneliti menggunakan data sekunder.

5.4

Skala Pengukuran
Dalam suatu penelitia, data yang dikumpulkan ada yang dapat
diukursecara langsung dan ada yang tidak dapat diukur secara langsung.
Untuk pengertian yang tidak dapat diukur secara langsung, harus dibuat
secara operasional dapat diukur. Operasionalisasi ini berarti harus
diusahakan untuk menguraikan pengertian itu dalam sejumlah indikator
yang dapat diukur. Misalnya, "operasionalisasi "status sosial ekonomi"
diukur melalui indikator; pendapatan perbulan dan status pekerjaan.
Jawaban terhadap pertanyaan : "Apakah puas tehadap pelayanan rumah
makan A?" dapat diukur dengan skala : sangat puas, puas, cukup, tidak
puas, sangat tidak puas. Jika hendak mengukur berat suatu benda, maka
dapat dilakukan dengan timbangan yang mempunyai skala gram. Dua
skala dalam contoh di atas, yaitu skala untuk mengukur tingkat kepuasan
dan skala untuk mengukur berat, jelas merupakan skala yang berbeda.
Ada 4 skala pengukuran yang biasa digunakan yaitu :

Buku Ajar

Bab 1: Arti Statistika

l. Skala Nominal
Pengukuran yang paling lemah tingkatannya dimana bilangan hanya
digunakan untuk mengklasifikasikan obyek, orang, atau benda-benda
lain.
Sebagai contoh, misalkan jenis pekerjaan, PNS diberi simbol
1,Pegawai Swasta 2, Wiraswasta 3, Petani 4, Nelayan 5, dan Lainnya 6.
Bilangan 1, 2, , 6 hanya menunjukkan kategori atau
pengelompokkan. Tidak dapat dikatakan bahwa PNS karena
simbolnya 1, lebih tinggi dari pegawai swasta yang mempunyaisimbol
2. Dalam contoh yang lain misalnya agama yang dianut oleh
masyarakat Indonesia; Islam Kristen, Protestan Hindu, Budha, dan
lainnya. Variabel agama yang dianut mempunyai skala pengukuran
nominal, karena nanti kita akan mendapatkan himpunan orang yang
memeluk agama tertentu.
2. Skala Ordinal
Dapat terjadi bahwa pada saat memberikan bilangan pada obyekdalam
suatu kategori di samping menunjukkan kategori yang berbeda, juga
mempunyai arti yang lain yaitu, bilangan itu menunjukkan lebih tinggi,
lebih besar, lebih sulit, lebih rendah lebih baik dan lain sebagainya.
Jadi arti dari bilangan-bilangan tersebut tergantung kepada yang
mendefinisikannya. Jika bilangan itu berfungsi untuk membedakan
kategori yang satu dengan yang lainnya dan menunjukkan tingkatan
atau ranking, maka disebut skala pengukuran ordinal.
Sebagai contoh seorang anggota ABRI dapat diklasifikasikanmenurut
pangkatnya: Jenderal, Kolonel, Mayor, Kapten dan Letnan. Pangkat
Jenderal lebih tinggi dari Kolonel, pangkat Kolonel lebih tinggi dari
Mayor, pangkat Mayor lebih tinggi dari Kapten pangkat Kapten lebih
tinggi dari Letnan atau jika ditulis dalam simbol ">".
Jendral > Kolonel > Mayor > Kapten > Letnan.
Jika kita coba untuk mencantumkan bilangan pada pangkat ABRI
tersebut, misalnya Jendral 1, Kolonel 2,Mayor 3, Kapten 4, Letnan 5,
maka bilangan semakin kecil pangkat semakin tinggi" tetapi
jikabilangan yang.dicantumkan untuk Jendral 5, Kolonel 4, Mayor
3,Kapten 2, Letnan 1, artinya bilangan semakin besar
menunjukkanpangkat yang semakin tinggi pula. Jadi dapat diambil
kesimpulanbahwa bilangan itu dapat menunjukkan semakin rendah
atau semakin tinggi tergantung pada definisi yarg dibuat.
Contoh lain dari skala pengukuran ordinal adalah status social
ekonomi keluarga, ada keluarga yang mempunyai status sosial
ekonomi tinggi, menengah atau rendah.

Buku Ajar

Bab 1: Arti Statistika

3. Skala Pengukuran Interval


Untuk menentukan apakah perbedaan pangkat atau kedudukan social
sama atau tidak adalah suatu hal yang sulit. Misalnya perbedaan
pangkat kapten sama dengan 2 kali letnan atau perbedaan pangkat
kapten dengan letnan sama dengan perbedaan pangkat mayor dan
kapten tentulah tidak mudah kita katakan. Dalam skala pengukuran
ordinal masalah "perbedaan dalam jarak" antara dua titik tidak
diperhatikan. Namun ada skala yang jarak antara dua titik tidak dapat
diketahui, dalam hal ini pengukuran telah tercapai dalam skala
interval. Pada tingkat skala interval bilangan mempunyai tiga fungsi
yaitu : sebagai lambang untuk membedakan, mengisyaratkan
peringkat, makin besar bilangan, makin tinggi peringkat atau
sebaliknya makin kecil bilangan, makin tinggi peringkat; menunjukkan
jarak (interval).
Ciri utama skala pengukuran interval adalah titik nol (0)
bukanmerupakan titik mutlak, titik nol ditentukan berdasarkan
perjanjian. Sebagai contoh kita pandang skala tahun-tahun almanak.
Kejadian-kejadian dalam sejarah dapat ditempatkan menurut waktu
terjadinya; akhir perang dunia kedua terjadi pada tahun 1945. Dalam
skala seperti ini dapat ditentukan apakah dua kejadian terjadi pada
tahun yang sama, atau apakah kejadian yang satu mendahului kejadian
yang lain (urutan), dan juga dapat ditentukan berapa jauh jarak dalam
tahun yang memisahkan dua kejadian itu.
Contoh lain dari skala interval adalah skala untuk
mengukurtemperatur, yaitu skala Celcius dan Fahrenheit. Unit
pengukuran dan titik nol dalam mengukur temperatur berbeda.
Namun demikian kedua skala itu memuat informasi yang sama yaitu
temperatur dalam skala yang satu dapat ditransformasikan ke skala
yang lain dengan rumus transformasi,

9
F = C +32
5

dimana : F : derajat temperatur dalam skala Fahrenheit


C : derajat temperatur dalam skala Celcius
Dapat
ditunjukkan
bahwa
perbandingan
selisih-selisih
temperatur(interval) adalah independen dengan unit pengukuran dan
titik nol.Misalnya, titik beku terjadi pada skala Celcius pada 00 C, dan
titikdidih pada 1000 C. Pada skala Fahrenheit titik beku terjadi pada
320F dan titik didih pada 2120 F. Dalam tabel di bawah ini
ditunjukkan beberapa angka yang berbeda dalam kedua skala itu yang
menunjukkan temperatur yang sama.

Buku Ajar

Bab 1: Arti Statistika

Celcius

10

30

50

100

Fahrenheit

32

50

86

12

212

Perhatikan bahwa perbandingan selisih-selisih antara skala


temperature dalam skala yang satu sama dengan perbandingan antara
selisih-selisih yang ekivalen pada skala yang lain, pada skala Celcius :
(30 10)
(10 0)

adalah ,

= 2 dan pada skala Fahrenheit, perbandingan yang ekivalen

(86 50)
= 2 . Dengan perkataan lain dalam skala interval,
( 50 32 )

perbandingan setiap dua interval adalah independen dengan unit


pengukuran dan titik nol yang digunakan.

4. Skala Rasio
Pada skala pengukuran rasio bilangan fungsinya ada 3 yaitu : sebagai
lambang untuk membedakan, isyarat untuk peringkat, menunjukkan
interval (jarak) dan mempunyait itik nol tertentu.Contoh skala rasio
adalah skala untuk mengukur berat, panjang, isi dan sebagainya. Skalaskala ini mempunyai titik-titik nol yangmutlak. Dalam skala rasio
dapat dikatakan, misalnya . berat benda A dua kali berat benda B ;
banyak mahasiswa yang hadir dalam kuliah kemarin adalah tiga kali
banyak mahasiswa yang hadir hari ini. Titik nol yang dipilih tidak
sebarang atau disebut mutlak, absolut atau murni. skala rasio dengan
titik nol yang murni dapat menentukan rasio antara dua titik skala
dengan jelas.

6. Latihan
1. Jelaskan apa yang dimaksud dengan statistik dan statistika, dan berikan
contoh jika perlu.
2. Coba terangkan dengan kata-kata sendiri yang dimaksud dengan :
a. Data Kuantitatif
b. Data Kualitatif
c. Data Intern
d. Data Extern
Buku Ajar

Bab 1: Arti Statistika

e. Data Primer
f. Data Sekunder
g. Data Mentah
3. Berikan beberapa contoh populasi, sampel, sampling dan sensus suatu
masalah disertai alasan yang mendasarinya.
4. Jelaskan 2 macam analisis data
5. Sebutkan 4 macam
menyertainya.

7.

skala

pengukuran

beserta

sifat-sifat

yang

Daftar Pustaka
1. Bartz, Albert. E, 1988. Basic Statistical Concepts, Third Edition. Mc. Millan
Publishing Company, New York.
2. Bhattaraya, G.K., and Johnsons, R.A., 1996. Statistical Principles and
Methods, John Wiley and Sons, New York.

Buku Ajar

MATERI POKOK II
NOTASI DAN OPERASINYA
MAS 201
Oleh
Lisnur Wachidah, dkk

DAFTAR ISI
Halaman
1.
2.
3.
4.
5.

Pengantar
Kompetensi Dasar
Tujuan Pembelajaran
Indikator
Kegiatan Belajar
5.1 Notasi
5.2 Operasi Penjumlahan
5.3 Sifat-sifat Pokok Penjumlahan
6. Latihan
7. Daftar Pustaka

11
11
11
11
12
12
14
16
18
20

Bab 2: Notasi dan Operasinya

Bab

NOTASI DAN OPERASINYA

1.

Pengantar
Sebelum melangkah lebih jauh untuk mempelajari statistika baik deskriptif maupun
induktif, perlu mempelajari hal-hal berikut. Untuk menunjukkan urutan angkaangka yang diperoleh dari suatu eksperimen (survei) tanpa menuliskan angka itu
sendiri, kerapkali dituliskan angka pertama sebagai x1, angka kedua x2 dan
seterusnya.

2.

Kompetensi Dasar
Mahasiswa mampu
pengoperasiannya.

3.

mendeskripsikan

masalah

ke

dalam

notasi

dan

Tujuan Pembelajaran
Mahasiswa memahami notasi serta pengoperasiannya untuk setiap larnbang dan
notasi.

4.

Indikator
4.1 Mahasiswa dapat membuat lambang himpunan data untuk setiap masalah yang
dihadapi.

Buku Ajar

11

Bab 2: Notasi dan Operasinya

4.2 Mahasiswa mengerti notas dan sifat-sifatnya.


4.3 Mahasiswa dapat mengoperasikan notasi dari himpunan data.

5.

Kegiatan Belajar
5.1 Notasi
Notasi adalah upaya mencantumkan simbol/lambang pada suatu sistem materi
dengan maksud untuk mempermudah operasi matematika.
Contoh
1) Jumlah kehadiran siswa di suatu sekolah pada hari minggu pertama Agustus
adalah sebagai berikut :

Hari
Kehadiran

Senin Selasa Rabu Kamis Jumat Sabtu


35

37

32

40

34

36

Jika X menunjukkan jumlah kehadiran dan subkripnya menunjukkan hari


dalam minggu ini, maka dapat ditulis:
x1 = 35, x2 = 37; x3 = 32 ; x4 = 40 ; x5 = 34; dan x6 = 36.
2) Sebuah mata uang logam dilemparkan lima kali, dan
1 jika lemparan ke i menghasilkan " muka
x=
0 jika lemparan ke i menghasilkan "belakang"
dimana i = l, 2, 3, 4, 5. Misalnya harga-harga yang diperoleh dari pelemparan
semacam itu adalah x1 = 1; x2 = 0 ; x3 = 0 ; x 4 = 0 ; x5 = 1. Jadi pada lemparan
pertama ia medapat muka, lemparan kedua mendapat "belakang", seterusnya
mendapat belakang, dan pada lemparan kelima mendapat muka" lagi.
Jika ada dua variabel yang kita pelajari, misalnya hasil pengukuran berat X dan
tinggi Y beberapa orang, dapatlah kita tuliskan hasilnya (x1, y1) berat dan tinggi
untuk orang pertama, (x2, y2) untuk berat dan tinggi orang kedua, dan
seterusnya.

Buku Ajar

12

Bab 2: Notasi dan Operasinya

3) Sepuluh orang mahasiswa mempunyai tinggi (dalam cm) dan berat (dalam kg)
sebagai berikut :

Mahasiswa

10

Tinggi

170 162 169 165 171 170 168 163 166 172

Berat

70

65

59

62

67

65

60

61

63

64

Dalam contoh ini tinggi dan berat badan mahasiswa ke-i ditulis sebagai (xi, yi).
Untuk mahasiwa ke-6 (x6, y6) = (170 ; 65).
Kerapkali kita ingin menjumlah sekumpulan angka. Jika angka-angka ini ditulis
sebagai x1, x2, , xn, maka jumlahnya ditulis dengan symbol
n

= x1 + x2 + ... + x n

i =1

Huruf yakni huruf yunani sigma (huruf besar), berarti Jumlah, dan
subskrip i : 1 sampai dengan n menunjukkan harga-harga yang dijumlahkan.
Jadi i = 1 (di bawah sigma) menunjukkan angka pertama dalam urutan angka
yang dijumlah, dan n (di atas sigma) menunjukkan angka terakhir.
Untuk data dalam contoh 1, jumlah semua siswa yang hadir dalam satu minggu
adalah :
6

x = 35 + 37 + 32 + 40 + 34 + 36 = 214 siswa
i =1

maka rata-rata hadir setiap harinya adalah :


1 n
214
xi =
= 35,666

6 i =1
6

Buku Ajar

13

Bab 2: Notasi dan Operasinya

5.2

Operasi Penjumlahan
n

Notasi

menunjukkan jumlah n bilangan x1, x2, , xn. Dibaca : jumlah

i =1

semua xi dengan i berjalan dari 1 sampai dengan n yakni :


n

x
i =1

= x1 + x2 + ... + x n

Notasi penjumlahan () mematuhi beberapa aturan sebagai berikut :


Aturan 1
Jika xi = k, suatu harga konstan (yakni harga yang tidak berubah-ubah), maka :
n

i =1

i =1

xi = k = k + k + ... + k = n .k
Aturan 2
Jika k suatu konstanta, maka :
n

k x =k x

i =1

+ k x2 + ... + k xn
n

= k ( x1 + x2 + ... + x n ) = k . xi
i =1

Aturan 3
n

( x + y ) = ( x + y ) + (x
i =1

+ y 2 ) + ... + ( xn + y n )

= ( x1 + x2 + ... + xn ) + ( y1 + y2 + ... + yn )
n

i =1

i =1

= xi + yi
Dalam menggunakan aturan-aturan itu, kerapkali kita harus mengkombinasikan
dalam berbagai cara.

Buku Ajar

14

Bab 2: Notasi dan Operasinya

Sebagai contoh kita hitung :


n

i =1

i =1

2
2
2
1) ( x i + k ) = ( xi + 2 kx i + k )

i =1

i =1

i =1

xi2 + (2kxi ) + k 2

+ 2k xi + nk 2

2
i

i =1

(x + y ) = (x

2)

i =1

+ 2 xi y i + yi )
2

i =1

i =1

i =1

xi2 + 2 xi yi + yi

i =1

i =1

i =1

(axi + byi ) = axi + byi


n

i =1

i =1

x ( x 1) = ( x
i

i =1

2
i

i =1

x x
i =1

, aturan 2

xi )

, aturan 3 dan 2

i =1

5)

, aturan 3

= a xi + b y i
4)

, aturan 2 dan 1

i =1

i =1

3)

2
i

, aturan 3

2
i

i =1

, aturan 3

( xi 1) + ( xi + 1) = ( xi2 1)
i =1

i =1

i =1

xi2 1
n

2
i

, aturan 3

, aturan 1

i =1

Buku Ajar

15

Bab 2: Notasi dan Operasinya

5.3

Sifat-sifat Pokok Penjumlahan


Jika k dan h bilangan-bilangan tepat (konstanta), maka :

k = nk
i =1
n

kx = k x
i

i =1

i =1

i =1

i =1

(kxi + h) = k xi + nh
Dalam perhitungan statistika selanjutnya, kita akan sering menggunakan notasi
penjumlahan seperti di atas, malahan penggunaannya kerapkali diperluas menjadi
penjumlahan rangkap. Hal ini dijelaskan sebagai berikut:
Misalnya kita punya m n kuantitas xij, dimana i =1,2,..., m dan j = 1, 2,..., n.
Marilah kita susun kuantitas-kuantitas ini dalam urutan persegi sebagai berikut :

x11

x12

..

x1n

x21

x22

.....

x2n

xm2

.....

xmn

.
.
.
xm1

Terlihat ada m baris dan n kolom. Apabila kita ingin menjumlahkan semua
kuantitas, kita dapat melaksanakannya dalam dua cara, yakni pertama, kita dapat
menjumlahkan masing-masing kolom, kemudian jumlah kolom-kolom ini kita
tambahkan untuk memperoleh hasil yang kita inginkan. Cara kedua adalah
masing-masing baris kita jumlahkan, selanjutnya jumlah-jumlah baris ini kita

Buku Ajar

16

Bab 2: Notasi dan Operasinya

tambahkan untuk memperoleh hasil yang kita harapkan. Salah satu cara dapat
ditulis sebagai
m

i =1

i =1

i =1

xi1 + xi 2 + ... + xi n
dengan cara yang paling singkat :
m
xij

j =1 i =1

Karena hasil penjumlahan dengan kedua cara itu harus sama, maka :
m n
m
x
xij

ij =
j =1 i =1
i =1 j =1
n

Karena dalam penjumlahan rangkap yang terhingga, urutan penjumlahan itu tak
penting maka penjumlahan rangkap dapat kita tulis tanpa tanda kurung sebagai
berikut:
n

xij = xij
j =1 i =1

i =1 j =1

Jadi, jika kita ingin menjumlahkan semua harga x ij, tidaklah berbeda, apakah
pertama kita jumlahkan semua xij dalam tiap baris, selanjutnya jumlah baris-baris
ini kita jumlahkan untuk memperoleh hasil yang kita inginkan, atau pertama kita
jumlahkan semua xij dalam tiap kolom, selanjutnya jumlah kolom-kolom ini kita
jumlahkan untuk mendapatkan hasil yang kita inginkan.
Jumlah rangkap dapat juga diterapkan untuk bilinear ;
Aij = aij xiyj

, i = 1, 2, , m
j = 1, 2, , n

kita peroleh :

Buku Ajar

17

Bab 2: Notasi dan Operasinya

A = a
ij

i =1 j =1

ij

xi y j

i =1 j =1

Bentuk terurai jumlah ini adalah :

a11 x1 y1 + a12 x1 y 2 + ... + a1n x1 y n


m

ij

xi y j = a 21 x2 y1 + a 22 x2 y2 + ... + a 2 n x2 y n

i =1 j =1

a m1 xm y1 + a m 2 xm y2 + ... + a mn xm y n
yang merupakan suatu suku banyak (polynomial) dalam (n + m) variabel x1, x2 ,
. xm, y1, y2, , yn.
Kasus khusus yang sangat penting dari bentuk di atas adalah jika Aij = aij x j = bi,
dimana I = 1, 2, , m dan j = 1, 2, , n. Maka kita punya :
m

a
i =1 j =1

a11 x1 + a12 x1 + ... + a1n x1 = b1

ij

xi = bi = a 21 x2 + a 22 x2 + ... + a 2 n x2 = b2
i =1

M
a m1 xm + a m 2 x + ... + a mn xn = bm

yang merupakan suatu suku banyak dalam n yang tidak diketahui, yaitu x1, x2 , .
xn

6. Latihan

1. Misalnya : x1 = 1 , x2 = 3 , x3 = 5 , x4 = 8, x5 = 6
4

Hitunglah : a.

xi
i =1

Buku Ajar

c.

(3x + 5)
i =1

18

Bab 2: Notasi dan Operasinya

b.

d.

i =1

( x 2)(2 x + 3)
i

i =1

2. Tulis dengan tanda


a.
b.

3x + 9x2 + 27x3 + 81x4 + 243x5


2
3

4
5

6
7

+ ... +

2n
2n + 1

3. Sepuluh mahasiswa statistika Universitas A mempunyai indeks prestasi (IP)


sebagai berikut :

Mahasiswa
IP

10

2,74 3,08 2,50 3,37 2,02 2,94 3,12 2,66 2,87 2,96

a. Tuliskan harga-harga x1, x3, x7, dan x9


10

b. Hitunglah

i =1

c. Hitunglah IP rata-rata kesepuluh mahasiswa tersebut


x=

1 10
xi
10 i =1
10

d. Hitunglah

(x

+ 8) 2

i =1

4. Data dalam tabel di bawah ini menunjukkan umur beberapa pasangan mudamudi yang melakukan pernikahan pada bulan Juli 2000 di Kecamatan
Coblong.

Buku Ajar

19

Bab 2: Notasi dan Operasinya

Pasangan

Umur laki-laki(xi)

23 32 25 26 42 29 19 24

Umur perempuan (yi) 19 38 21 26 35 32 17 20

a. Tuliskan umur (xi , yi), I = 1, 5, 7, 8


b. Hitunglah :
8

x
i =1

y
i =1

8
xi ,
i =1
8

x
i =1

8
yi ,
i =1

y
i =1

2
i

x y
i =1

( x x) ( x + y )
i =1

7.

i =1

Daftar Pustaka
1. Bartz, Albert, E, 1988. Basic Statistical Concept, Mc. Millan Publishing
Company, New York
2. Bhattaraya, G.K, and Johnson, R.A., 1996. Statistical Principles and Methodes,
John Wiley and Sons, New York.
3. Zanzawi Soejoeti, 1985. Buku Materi Pokok Metode Statistika I, Karunika,
Jakarta.

Buku Ajar

20

MATERI POKOK III


PENYAJIAN DATA
MAS 201
Oleh
Lisnur Wachidah, dkk

DAFTAR ISI
1.
2.
3.
4.
5.

Pengantar
Kompetensi Dasar
Tujuan Pembelajaran
Indikator
Kegiatan belajar
5.1 Penyajian Data
5.2 Penyajian Data dalam Bentuk Daftar
5.3 Diagram Batang
5.4 Diagram garis
5.5 Diagram Lingkaran dan Diagram Pastel
5.6 Diagram Lambang
5.7Diagram Peta
5.8 Diagram Pencar
6. Latihan
7. Daftar Pustaka

Halaman
22
22
22
22
23
23
23
32
37
44
45
47
48
49
52

Bab 3: Penyajian Data

Bab

PENYAJIAN DATA
1. Pengantar
Data yang telah dikumpulkan baik berupa hasil penelitian maupun percobaan baik itu
berasal dari sampel maupun populasi, untuk keperluan laporan atau analisis
selanjutnya perlu disusun atau disajikan dengan jelas dan baik

2. Kompetensi Dasar
Mahasiswa mampu mendeskripsikan penyajian data.

3. Tujuan pembelajaran
Mahasiswa memahami cara penyajian data, sesuai dengan karakteristik data yang
bersangkutan.

4. Indikator
4.1 Mahasiswa dapat membuat berbagai daftar untuk menyajikan data
4.2 Mahasiswa dapat menentukan daftar yang sesuai untuk berbagai jenis data
4.3 Mahasiswa dapat membuat berbagai jenis diagram
4.4 Mahasiswa dapat memilih diagram yang sesuai dengan permasalahan

yang

dihadapi
Buku Ajar

22

Bab 3: Penyajian Data

5. Kegiatan Belajar
5.1 Penyajian data
Pada dasarnya ada dua cara penyajian data yaitu : tabel atau daftar dan grafik atau
diagram. Penyajian dalam bentuk daftar antara lain :
a. Daftar Baris Kolom
b. Daftar Kontingensi
c. Daftar Distribusi Frekuensi
Sedangkan penyajian dalam bentuk diagram:
a. Diagram Batang
b. Diagram Garis
c. Diagram Lambang atau Di4ram Simbol
d. Diagram Pastel atau Diagram Lingkaran
e. Diagram Peta atau Kartogram
f. Diagram Pencar atau Diagram Titik

5.2 Penyajian Data Dalam Bentuk Daftar


Skema garis besar untuk sebuah tabel dengan nama-nama bagiannya adalah
seperti di bawah ini :

Buku Ajar

23

Bab 3: Penyajian Data

Judul daftar, ditulis di tengah-tengah bagian teratas dalam beberapa baris,


semuanya dengan huruf besar. Secara singkat dan jelas dicantumkan meliputi :
apa, macam atau klasifikasi, dimana, bilangan dan satuan atau unit data yang
digunakan. Tiap baris hendaknya melukiskan sebuah pernyataan yang lengkap,
dan sebaiknya janganlah dilakukan pemisahan bagian kata dan/atau kalimat.

Judul kolom ditulis dengan singkat dan jelas, bisa dalam beberapa baris.
Usahakan jangan melakukan pemutusan kata. Demikian pula halnya dengan
judul baris. Sel daftar adalah tempat nilai-nilai data dituliskan. Di kiri bawah
daftar terdapat bagian untuk catatan-catatan yang perlu atau biasa diberikan.
Dalam bagian ini pula terdapat kalimat Sumber : ., yang menjelaskan dari mana
data itu dikutip. Jika kalimat ini tidak terdapat biasanya dianggap bahwa pelapor
sendiri telah mengumpulkan data itu.

Buku Ajar

24

Bab 3: Penyajian Data

DAFTAR 3.1
JUMLAH PENDUDUK MENURUT PROPINSI
TAHUN 1985
Daearah
DKI Jakarta
Jawa Barat
Jawa Tengah
Yogyakarta
Jawa Timur
Jawa dan Madura
Aceh
Sumatera Utara
Sumatera Barat
Riau
Jambi
Sumatera Selatan
Bengkulu
Lampung
Sumatera
Bali
Nusa Tenggara Barat
Nusa Tenggara Timur
Timor Timur
Nusa Tenggara
Kalimantan Barat
Kalimantan Tengah
Kalimantan Selatan
Kalimantan Timur
Kalimantan
Sulawesi Utara
Sulawesi Tengah
Sulawesi Selatan
Sulawesi Tenggara
Sulawesi
Maluku
Irian Jaya
Seluruh Indonesia

Jumlah Penduduk
4.001.526
15.366.485
13.321.048
1.433.911
15.283.247
49.406.217
1.491.128
4.734.537
1.805.625
1.292.897
885.149
2.697.144
478.107
3.027.990
16.412.577
1.308.286
1.488.672
1.519.058
322.667
4.638.623
1.439.023
560.683
1.131.431
788.640
3.919.777
1.173.464
772.848
3.233.213
561.557
5.741.082
813.586
712.190
81.644.052

Sumber : Biro Pusat Statistik, 1985

Buku Ajar

25

Bab 3: Penyajian Data

Untuk sekumpulan data yang diberikan, kita dapat membuat lebih dari satu macam
daftar. Perhatikan daftar 3.2, daftar 3.3, dan daftar 3.4 berikut ini.

DAFTAR 3.2
PEMBELIAN BARANG OLEH JAWATAN A DALAM RIBUAN
DAN UNIT JUTAAN RUPIAH
1985 1987

Jumlah
Tahun

Barang
A

Barang

Harga

(2)

(3)

1985

19,1

315,8

8,3

234,4

10,8

81,4

1986

22,1

388,3

12,7

307,8

9,4

80,5

1987

24,0

382,4

11,0

290,4

13,0

92,0

65,2 1.086,5

32,0

832,6

33,2

253,9

(1)

Jumlah

Banyak Harga Banyak Harga


(4)

(5)

(6)

(7)

Catatan : Data Fiktif

Kolom (2) dan (3), untuk jumlah, bisa ditempatkan pada kolom terakhir sesudah
kolom harga untuk barang B.
Data dalam daftar di atas juga bias disajikan dalam daftar berikut :

Buku Ajar

26

Bab 3: Penyajian Data

DAFTAR 3.3
PEMBELIAN BARANG-BARANG OLEH JAWATAN A
DALAM RIBUAN UNIT DAN JUTAAN RUPIAH
1985 1987

Barang

1985

1986

1987

Banyak Harga Banyak Harga Banyak Harga


A

8,3

234,4

12,7

307,8

11,0

290,4

10,8

81,4

9,4

80,5

13,0

92,0

Jumlah

19,1

315,8

22,1

388,3

24,0

382,4

Catatan : Data Karangan


Model daftar lain untuk data dalam tabel tadi adalah sebagai berikut :

DAFTAR 3.4
PEMBELIAN BARANG-BARANG OLEH JAWATAN A
MENURUT BANYAK DAN HARGANYA
TAHUN 1985 1987

Barang

Banyak Barang

Harga

(Ribuan Unit)

(Jutaan Rupiah)

1985 1986 1987 Jumlah


(1)

(2)

(3)

(4)

(5)

1985

1986

1987

Jumlah

(6)

(7)

(8)

(9)

8,3

12,7

11,0

32,0 234,4 307,8 290,4

832,6

10,8

9,4

33,2

33,2

253,9

Jumlah

19,1

22,1

65,2

65,2 315,8 388,3 382,4 1.086,5

81,4

80,5

92,0

Catatan : Data Karangan

Buku Ajar

27

Bab 3: Penyajian Data

Kolom jumlah, yakni kolom-kolom (5) dan (9) berturut-turut bisa ditempatkan
sebelum kolom-kolom (2) dan (6). Kalau daftar yang harus dibuat berisikan tiga
faktor atau lebih yang semuanya harus dijelaskan oleh data yang nantinya terdapat di
dalam sel daftar, maka pembuatan daftar tidaklah selalu mudah dapat dilaksanakan.
Sering terlebih dahulu kita harus membuat sketsa-sketsa awal dan apabila sudah
nampak benar baru dibuat yang sesungguhnya sekaligus nilai-nilai data diisikan ke
dalam sel masing-masing.
Untuk daftar yang menjelaskan keadaan pegawai di Jawatan A ditinjau dari faktorfaktor : jenis kelamin (laki-laki dan perempuan), pendidikan (SD, SLTP, SLTA), dan
pengalaman kerja (kurang dari 5 tahurg 5 9, 10 - 19, 20 dan lebih), misalnya dapat
dibuat daftar sebagai nampak pada halaman berikut ini.

Buku Ajar

28

Bab 3: Penyajian Data

DAFTAR 3.5
KEADAAN PEGAWAI DI JAWATAN A
MENURUT JENIS KELAMIN, PENDIDIKAN DAN PENGALAMAN
TAHUN 1980
Pendidikan dan Pengalaman
SD :

SLTP :

SLTA :

Jenis Kelamin
Laki-laki Perempuan

Jumlah

Kurang dari 5 th

15

22

59

22

14

36

10 19

19

17

36

20 tahun dan lebih

24

23

47

Jumlah

80

61

141

Kurang dari 5 th

18

19

37

59

23

12

35

10 19

19

30

49

20 tahun dan lebih

32

24

56

Jumlah

92

85

177

Kurang dari 5 th

17

14

31

59

16

22

38

10 19

12

20 tahun dan lebih

Jumlah

46

44

90

218

190

408

Jumlah keseluruhan

Dalam daftar di atas nampak bahwa, jika diambil data 15, maka data ini menyatakan
bahwa ada 15 laki-laki yang berpendidikan SD dan mempunyai pengalaman kerja
kurang dari 5 tahun. Jadi data 15 ini telah menjelaskan ketiga buah faktor yang ada
dalam daftar.
Dapat mudah dimengerti, bahwa makin banyak kategori atau klasifikasi data makin
sulit tabel harus dibuat. Dalam hal demikian, adalah bijaksana jika dibuat lebih dari
sebuah tabel.
Untuk data yang terdiri atas dua faktor atau dua variaber, faktor yang satu Terdiri
atas b kategori dan lainnya terdiri atas k kategori,dapat dibuat daftar kontingensi
Buku Ajar

29

Bab 3: Penyajian Data

berukuran b x k dengan b menyatakan baris dan k menyatakan kolom. Bentuk yang


sering di pakai dapat dilihat berikut ini:

DAFTAR 3.6
BANYAK MURID SEKOLAH DI DAERAH A
MENURUT TINGKAT SEKOLAH DAN JENIS KELAMIN
TAHUN 1970
Jenis Kelamin

Tingkat Sekolah
SD

SLTP SLTA Jumlah

Laki-laki

4.758 2.795

1.459

9.012

Perempuan

4.032 2.911

1.256

7.404

Jumlah

8.790 4.911

2.715

16.416

Catatan : Data Karangan

Daftar kontingensi di atas adalah merupakan daftar kontingensi 2 x 3 karena terdiri


atas 2 baris dan 3 kolom.
Model lain, misalnya daftar kontingensi 4 x 4, dapat dilihat dalam Daftar 3.7

Buku Ajar

30

Bab 3: Penyajian Data

DAFTAR 3.7
HASIL UJIAN MATEMATIKA DAN STATISTIKA
UNTUK 107 MAHASISWA

Nilai Matematika
50 - 59

60 - 69

70 - 79

80 - 89

jumlah

60 69

12

10

31

70 79

10

30

80 89

10

24

90 99

12

22

Jumlah

35

28

30

14

107

Nilai Statistika

Catatan : Data Karangan

Jika data kuantitatif dibuat menjadi beberapa kelompok, maka akan diperoleh daftar
distribusi frekuensi. Sebuah contoh adalah seperti dalam Daftar 3.8
DAFTAR 3.8
UMUR MAHASISWA UNIV X
DALAM TAHUN
(AKHIR TAHUN 1970)
UMUR

BANYAK
MAHASISWA

17 21

1.172

21 24

2.758

25 28

2.976

29 32

997

33 36

205

Jumlah

8.108

Catatan : Data Karangan

Buku Ajar

31

Bab 3: Penyajian Data

Kolom kedua, yakni banyak mahasiswa, sering disingkat dengan f yang berarti
frekuensi dan menyatakan berapa mahasiswa yang umurnya tertulis pada kolom
pertama. Demikianlah misalnya, ada 1.172 mahasiswa yang umurnya paling muda 17
tahun dan paling tua 20 tahun. Bagaimana cara membuat daftar distribusi frekuensi
akan dijelaskan kemudian.

5.3 Diagram Batang


Penyajian data dalam gambar akan lebih menjelaskan lagi persoalan secara visual.
Untuk ini, pertama-tama akan diuraikan pokok dasar pembuatan diagram batang.
Data yang variabelnya berbentuk kategori atau atribut sangat tepat disajikan dalam
diagram batang. Data tahunan pun dapat pula disajikan dalam diagram ini asalkan
tahunnya tidak terdapat terlalu banyak. untuk menggambar diagram batang
diperlukan sumbu datar dan sumbu tegak yang berpotongan tegak lurus. Sumbu
datar dibagi menjadi beberapa skala bagian yang sama; demikian pula sumbu
tegaknya skala pada sumbu tegak dengan skala pada sumbu datar tidak perlu sama.
Kalau diagram dibuat tegak, maka sumbu datar dipakai untuk menyatakan atribut
atau waktu. Kuantum atau nilai data digambar pada sumbu tegak. Sebuah contoh
adalah seperti di halaman berikut :

DAFTAR 3.9
BANYAK MURID DI DAERAH A
MENURUT TINGKAT SEKOLAH DAN JENIS KELAMIN
TAHUN 1970

TINGKAT

BANYAK MURID

SEKOLAH LAKI - LAKI PEREMPUAN

JUMLAH

SD

875

687

1.562

SDP

512

507

1.019

ST

347

85

432

SMA

476

342

818

SMEA

316

427

743

2.526

2.084

4.574

JUMLAH

Catatan : Data Karangan

Buku Ajar

32

Bab 3: Penyajian Data

Kalau hanya diperhatikan jumlah murid, tanpa perincian jenis kelamin diagramnya
merupakan diagram batang tunggal, seperti dapat dilihat dalam Gambar 3.1.
Letak batang yang satu dengan yang lainnya harus terpisah dan lebarnya digambarkan
serasi dengan keadaan tempat diagram. Di atas batang boleh juga nilai kuantum data
dituliskan.
Mungkin juga diagram batang dibuat secara horisontal. Dalam hal ini, untuk Gambar
3.1 menjadi seperti dalam Gambar 3.2

Buku Ajar

33

Bab 3: Penyajian Data

Jika jenis kelamin juga diperhatikan dan digambarkan diagramnya, maka didapat
diagram batang dua komponen. Bentuk yang tegak adalah seperti berikut ini .

Diagram terakhir ini dapat pula digambarkan secara horisontal. Caranya sama seperti
Gambar 3.2 hanya sekarang tentu terdiri atas dua komponen. Supaya juga jumlah
murid ikut tergambarkan, maka dapat dibuat satu batang lagi yang melukiskan jumlah
murid. Akan didapat diagram batang tiga komponen. Tentu saja tiap batang
digambarkan berlainan dan dijelaskan maksudnya dalam legenda seperti di sudut
kanan atas dalam Gambar 3.3.

Buku Ajar

34

Bab 3: Penyajian Data

Model diagram batang lain untuk data di atas adalah seperti dalam Gambar 3.4.
Gambar 3.3 lebih baik daripada Gambar 3.4, karena dalam gambar pertama tingkatan
perbandingan tiap kategori lebih nyata kelihatan.
Untuk kategori data yang berlawanan, seperti data di atas, dapat pula dibuat diagran
batang dua arah. Sebuah diantaranya adalah sebagai nampak dalam Gambar 3.5.
Jika terdapat klasifikasi atribut dengan nilai data sangat besar dibandingkan dengan
klasifikasi lainnya, batang untuk yang bernilai besar ini lebih baik dipatahkan.
Contohnya dapat dilihat dalam Gambar 3.6.

Jumlah jiwa tiap daerah, kecuali daerah E, di bawah dua juta. Batang daerah E yang
mencatat 9,57 juta nampak dipatahkan di atas skala 2000.

Buku Ajar

35

Bab 3: Penyajian Data

Untuk satu kesatuan kumpulan data yang terdiri atas beberapa bagian, sering
diagram batangnya hanya digambar sebuah yang dibagi-bagi sesuai dengan banyak
bagian yang membentuk kesatuan itu. Misalnya untuk data dalam Daftar 3.10,
diagram batangnya telah dibuat seperti dalam Gambar 3.7.

Buku Ajar

36

Bab 3: Penyajian Data

Demikian pokok dasar cara-cara untuk membentuk diagram batang. Variasinya, tentu
saja dapat dibuat bergantung pada keadaan data dan keahlian si pembuat gambar.

5.4 Diagram Garis


Untuk menggambarkan keadaan yang serba terus atau berkesinambungan, misalnya
produksi minyak tiap tahun, jumlah penduduk tiap tahun, keadaan temperatur badan
tiap jam dan lain-lain, dibuat diagram garis. Seperti diagrarn batang, di sini pun
diperlukan sistem sumbu datar dan sumbu tegak yang saling tegak lurus. Sumbu
datar menyatakan waktu sedangkan sumbu tegaknya melukiskan kuantum data tiap
waktu.
Contoh di bawah ini menyatakan penggunaan barang di sebuah jawatan selama 1971
1980 yang diagramnya tertera dalam Gambar 3.8

DAFTAR 3.11
PENGGUNAAN BARANG DI JAWATAN B
(DALAM SATUAN)
1971 1980

Tahun

Barang
Yang Digunakan

Buku Ajar

1971

376

1972

524

1973

412

1974

310

1975

268

1976

476

1977

316

1978

556

1979

585

1980

434

37

Bab 3: Penyajian Data

Dengan memperlihatkan gerak garis, kita dapat mempelajari bagaimana fluktuasi atau
naik-turun pengunaan barang dari tahun ke tahun. Beberapa misal diagram garis
dengan tafsirannya diberikan dalam Gambar 3.9.
(A) Keadaan yang bertambah secara'konstan".
(B) Keadaan yang bertambah dengan pertambahan yang menaik.
(C) Keadaan yang bertambah dengan pertambahan yang menurut.
(D) Keadaan yang menurun dengan penurunan yang tidak tetap.

Buku Ajar

38

Bab 3: Penyajian Data

Jika nilai data terkumpul sekitar harga yang cukup besar sehingga diagramnya cukup
jauh dari sumbu horisontal, maka lebih baik dilakukan loncatan atau pemutusan sumbu
tegak.
Sebuah contoh adalah seperti terlihat dalam Gambar 3.10 dan Gambar 3.11

Gambar 3.10 kurang baik, karena garis diagram kelihatan cukup jauh dari sumbu
datar. Jika digambarkan dengan loncatan sumbu tegak akan didapat seperti dalam
Gambar 3.11.

Buku Ajar

39

Bab 3: Penyajian Data

Gambar 3.11 diperoleh dari Gambar 3.10 yang nampak bahwa seolah-olah kertas
pada skala 9000 disobek, dibuang sebagian antara 0 dan 9000, lalu didekatkan. Cara
lain untuk "memperbaiki" Gambar 3.10 adalah dengan jalan memutuskan sumbu
tegaknya saja. Hasilnya seperti dalam Gambar 3.12

Ketika membuat diagram garis, hendaknya diperhatikan mengenai penggunaan skala


agar kesimpulan yang diambil tidak salah. Pengambilan skala yang terlalu lebar atau
terlalu sempit akan menyebabkan gambaran yang berlainan.

Buku Ajar

40

Bab 3: Penyajian Data

Gambar 3.13 di samping ini dan Gambar 3 (14) di bawahnya melukiskan data yang
sama tetapi telah diambil pembagian skala yang lebar dan sempit. Memperlihatkan
kedua diagram tersebut kita mungkin akan mendapatkan kesimpulan yang berbeda.
Kemungkinan terjadinya kesimpulan yang berlainan untuk data yang sama melalui
diagram haruslah dihilangkan.

Semua diagram di atas dapat digambarkan pada kertas grafik milimeter. Kertas ini,
baik mendatar maupun tegak, mempunyai pembagian skala yang sama besar. Skala
demikian biasa dinamakan skala hitung. Kertas grafik dengan skala hitung dipakai
apabila dari diagram kita ingin mendapat gambaran persoalan dalam pengertian absolut.
Apabila yang dikehendaki gambaran persoalan dalam bentuk relatif, sering digunakan
kertas lain yang disebut kertas grafik semi-logaritma. Dinamakan demikian karena
Buku Ajar

41

Bab 3: Penyajian Data

salah satu sumbu, biasanya sumbu tegak, mempunyai skala berbentuk logaritma
sedangkan sumbu lainnya berskala hitung.

Garnbar 3.15 adalah sebagian dari kertas grafik semi-logaritma (kertas lengkap diberikan
dalam lampiran untuk keperluan pembaca) yang terdiri atas dua fase atau siklus
sebagaimana dapat dilihat pada sumbu tegaknya. Tiap siklus terdiri atas sembilan bagian,
makin ke atas makin sempit. Pemberian nilai pada skala sumbu tegak dimulai dari
pembagian paling bawah dengan bilangan positif, jadi tidak dimulai dengan nol. Tiap
skala di atasnya merupakan kelipatan bilangan asli berurutan dari nilai pada pembagian
skala pertama untuk tiap siklus. Untuk jelasnya" perhatikan baik-baik contoh dalam
bagian kanan Gambar 3.15.

Buku Ajar

42

Bab 3: Penyajian Data

Sebuah contoh: Berikut adalah data hasil usaha yang telah dilakukan oleh A dan B selama
1974 - 1980.
DAFTAR 3.12
HASIL USAHA A DAN B
DALAM JUTAAN RUPIAH
1974 1980
TAHUN

1974

2,5

0,2

1975

3,1

0,3

1976

3,5

0,5

1977

4,2

0,6

1978

4,6

0,9

1979

6,8

1,0

1980

8,0

1,2

Diagram garis untuk kedua usaha itu dapat dilihat dalam Gambar 3.16. Nampaknya
dari diagram, kedua usaha mencapai kemajuan dari tahun ke tahun dan usaha A
menunjukkan kemajuan absolut yang lebih besar daripada usaha B.

Buku Ajar

43

Bab 3: Penyajian Data

Gambar 3.17 menggunakan kertas semi-logaritma. Kedua usaha, sebagiamana halnya


dalam Gambar 3.16, memperlihatkan kemajuan dari tahun ke tahun. Tetapi ternyata
usaha B mencapai kemajuan relatif lebih besar daripada usaha A.

5.5 Diagram Lingkaran dan Diagram Pastel


Untuk membuat diagam lingkaran, gambarkan sebuah lingkaran, lalu dibagi-bagi
menjadi beberapa sektor. Tiap sektor melukiskan kategori data yang terlebih dahulu
diubah ke dalam derajat. Dianjurkan titik pembagian mulai dari titik tertinggi
lingkaran. Diagram lingkaran ini sering, digunakan untuk melukiskan data atribut.

Contohnya:
Kita ambil dalam Daftar 3.10 tentang biaya tiap tahun. Terlebih dahulu tiap nilai
28
data diubah ke dalam derajat. Pos A, misalnya menjadi
x 360 0 =100,8 0 dan
100
Buku Ajar

44

Bab 3: Penyajian Data

18
x 3600 = 64,8 0 . Lainnya dihitung dengan cara yang sama dan
100
didapat untuk pos C = 50,4o, pos D = 79,2o, pos E = 36o dan pos F = 28,8o.
Dengan teliti,
pos B =

sudut-sudut tersebut digambarkan dalam sebuah lingkaran. Hasilnya dapat dilihat


dalam Gambar 3.18.
Penjelasan dapat ditulis di luar lingkaran
secara mendatar. Jika cukup ruangan,
lebih baik ditulis di dalam sektor secara
mendatar juga.

Variasi bentuk diagram lingkaran, dapat pula dibuat, misalnya seperti dalam Gambar
3.19. Diagram terakhir ini disebut diagram pastel.

5.6 Diagram Lambang


Sering dipakai untuk mendapatkan gambar kasar sesuatu hal dan sebagai alat visual
bagi orang awam. Sangat menarik dilihat, lebih-lebih jika simbul yang digunakan
cukup baik dan menarik. Setiap satuan jumlah tertentu dibuat sebuah simbul sesuai
dengan macam datanya. Misalnya untuk data mengenai jiwa, penduduk dan pegawai
dibuat gambar orang satu gambar untuk tiap 5000 jiwa; untuk data bangunan, gedung
sekolah dan lain-lain dibuat gambar gedung satu gedung menyatakan 25 buah, dan
masih banyak contoh lain lagi. Kesulitan yang dihadapi ialah ketika menggambarkan
bagian simbul untuk satuan yang tidak penuh.

Buku Ajar

45

Bab 3: Penyajian Data

Contoh:
Untuk melukiskan pegawai di pelbagai jawatan, diagram simbulnya dapat dilihat di
bawah ini :

Gambar 3.21 berikut ini merupakan diagram simbul untuk penggunaan listrik dalam
ribuan KwH untuk industri-industri di beberapa daerah Indonesia selama tahun
1958.

Di bawah ini merupakan gabungan antara diagram lambang dan diagram batang.
Data yang dilukiskan adalah mengenai jumlah kendaraan penumpang di Jawa Barat
untuk tahun 1967, 1969 dan 1971. (Sumbewr data : KOMDAK Langlangbuana, Jawa
Barat).

Buku Ajar

46

Bab 3: Penyajian Data

5.7 Diagram Peta


Diagram ini dinamakan juga kartogram. Dalam pembuatannya digunakan peta
geografis tempat data terjadi. Dengan demikian diagiam ini melukiskan keadaan
dihubungkan dengan tempat kejadiannya. salah satu contoh yang sudah terkenal
ialah jika kita membuta buku peta bumi. Disitu antara lain terdapat peta daerah
atau pulau dengan mencantumkan pula gambar-gambar pohon kelapa, jagung,
kuda dan lain-lain.
Contoh lain adalah tentang rata-rata pertumbuhan penduduk di Jawa Barat selama
1961 - 1971 menurut Kantor Statistik propinsi Jawa Barat. Diagram petanya dapat
dilihat di bawah ini.

Buku Ajar

47

Bab 3: Penyajian Data

Gambar 3.24 melukiskan penempatan transmigran dari Jawa Barat ke alimantan


selama periode 1951 - 1972/1973. Dihitung banyak jiwa yang ditransmigrasikan,
datanya dapat dibaca di atas gambar kepala orang.

5.8 Diagram Pencar


Untuk kumpulan data yang terdiri atas dua variabel. dengan nilai kuantitatif,
diagramnya dapat dibuat dalam sistem sumbu koordinat dan gambarnya akan
merupakan kumpulan titik-titik yang terpencar. Karenanya, diagram demikian
dinamakan diagram pencar. pada Gambar 3.9, jika garis penghubung antara titiktitik dihilangkarl terjadilah diagram pencar. lni merupakan diagram pencar yang
sederhana. Contoh yang lebih kompleks adalah seperti dalam Gambar 3(25).

Buku Ajar

48

Bab 3: Penyajian Data

Uraian lebih lanjut tentang diagram ini akan diberikan kemudian sehubungan
dengan uraian teori statistika lainnya.

6.

Latihan
1. Data hasil sampling ataupun sensus perlu disajikan dalam daftar dan/atau
diagram. Mengapa?
2. Untuk pembuatan sebuah daftar, hal-hal apa saja lagi yang harus diperhatikan?
3. Lihat Daftar 2.6. Buatlah daftar demikian sekaligus, tetapi sekarang dilengkapi
dengan banyak murid dalam keadaan relatif (dalam %).
Lalu jawablah pertanyaan-pertanyaan berikut :
a. ada berapa % murid perempuan terdapat di ketiga tingkat sekolah itu.
b. ada ... % murid SD, ... % murid SLTP dan ... % murid SLTA
c. ada ... % murid laki-laki tercatat di SLTA
4. Menurut Biro Pusat Statistik Jakarta, berdasarkan hasil sensus tahun 1961,
penduduk Indonesia terdapat 96.319.929 jiwa (tidak termasuk penduduk di
lrian Jaya). Jumlah penduduk ini telah digolongkan menurut umur (dalam
tahun) :
0 - 4, 5 - 9, 10 - 14, 15 - 16 , 20 - 24,25 - 34,35 - 44, 45 - 54, 55 - 64, 65 - 74,75
dan lebih dan golongan yang tidak diketahui umurnya. Untuk laki-laki,
jumlahnya menurut golongan umur tersebut adalah :
8.461.949, 7.683.534, 4.318.543, 3.834.117, 3.452.362, 7.333.617,
5.719.856, 3.559.007, 1.897.510, 795.730, 377.747,dan 59.882
Adapun untuk perempuan, jumlah-jumlah tersebut adalah
8.580.361, 7.639.422, 3.860.869, 3.874.058, 4.338.603, 8.542.102,
5.363.334, 3.483.325, 1.850.396, 829.027, 406.609, dan 56.869.
Buatlah daftar untuk data di atas! Sertakan juga jumlah dan persentasenya
untuk tiap gologan umur yang diberikan.

Buku Ajar

49

Bab 3: Penyajian Data

5. Bila kita akan menggunakan


a. diagram batang komponen disusun ke samping
b. diagram dua arah
c. diagram garis
d. diagram dengan skala semi logaritma
a. diagram peta ?

6. Apakah akibatnya terhadap kesimpulan yang dapat diambil dari diagram garis jika
pembagian skaranya terlalu lebar atau terlalu sempit ?
7. Buatlah grafik dari Daftar 3.13 di bawah ini dalam sebuah gambar

DAFTAR 3.13
HASIL PADI, KETELA DAN JAGUNG DI INDONESIA TAHUN 1955 1964
(RIBUAN KG)

8. Gambarlah data dalam daftar di bawah ini dalam sebuah grafik dengan sekala
semi logaritma. Beri uraian singkat tentang persediaan dan peredaran uang di
Indonesia untuk periode 1950 1962.

Buku Ajar

50

Bab 3: Penyajian Data

DAFTAR 3.14
PERSEDIAAN DAN PEREDARAN UANG DI INDONESIA TAHUN 19501962
(DALAM JUTAAN RUPIAH)

9. Buatlah diagram yang cocok untuk data pada daftar di bawah ini dalam sebuah
gambar berdasarkan data absolut dan data relatifnya.

DAFTAR 3.15
HASIL SURVAI ANGKATAN KERJA NASIONAL TAHUN 1978
DI INDONESIA

Deskripsi

SAKERNAS 1978
Februari

Mei

Agustus

November

1. Penduduk yang bekerja

44.323.384

45.386.150

73.705.631

43.069.333

2. Penduduk yang bekerja di


lapangan pertanian

31.579.996

32.576.945

29.736.410

29.361.617

Sumber : Buku Statistika Ekonomi, 1979, BPS Jakarta

Buku Ajar

51

Bab 3: Penyajian Data

7. Daftar Pustaka
1. Bartz, Albert E, 1988, Basic Statitical Concept, Third Edition, Mac Millan
Publishing Company, New York.
2.

Bhattaraya, GK, and Johnsons, RA., 1996, statistical Principles and Methods,
John Wiley and Sons, New York.

3. Sujana, 1992, Metode Statistika. Edisi ke-5, Tarsito, Bandung

Buku Ajar

52

MATERI POKOK IV
DAFTAR DISTRIBUSI FREKUENSI
DAN GRAFIKNYA
201MAS
Oleh :
Lisnur Wachidah, dkk

DAFTAR ISI
1.
2.
3.
4.
5.

Pengantar
Kompetensi Dasar
Tujuan Pembelajaran
Indikator
Kegiatan Belajar
5.1 Daftar Distribusi Frekuensi
5.2 Membuat Daftar Distribusi Frekuensi
5.3 Daftar Distribusi Frekuensi Relatif dan Kumulatif
5.4 Histogram dan Poligon Frekuensi
5.5 Model Populasi
6. Latihan
7. Daftar Pustaka

Halaman
54
55
55
55
55
55
56
60
63
66
69
73

Bab 4: Daftar Distribusi Frekuensi dan Grafiknya

Bab

DAFTAR DISTRIBUSI FREKUENSI


DAN GRAFIKNYA

1.

Pengantar
Daftar distribusi frekuensi ini telah disinggung sedikit dalam Bab III dan
contohnya dapat dilihat dalam Daftar III.8. Sebuah contoh lagi adalah sebagai
berikut :
DAFTAR 4.1
NILAI UJIAN STATISTIKA
UNTUK 80 MAHASIWA

Nilai Ujian

Buku Ajar

Banyaknya Mahasiswa
(f)

31 40

41 50

51 60

61 70

14

71 80

24

81 90

20

91 100

12

Jumlah

80

54

Bab 4: Daftar Distribusi Frekuensi dan Grafiknya

Sebelum dipelajari bagaimana cara membuat daftar ini, akan dijelaskan dulu
tentang istilah-istilah yang dipakai.

2.

Kompetensi Dasar
Mahasiswa mampu mendeskripsikan daftar distribusi frekuensi dan grafiknya.

3.

Tujuan Pembelajaran
3.1 Mahasiswa mengetahui istilah-istilah dalam distribusi frekuensi
3.2 Mahasiswa memahami histogram dan poligon

4.

Indikator
4.1 Mahasiswa dapat menerangkan kembali istilah-istilah yang dipergunkan dalam
tabel distribusi frekuensi.
4.2 Mahasiswa dapat menghitung nilai-nilai yang dibutuhkan dalam distribusi
frekuensi
4.3 Mahasiswa dapat menginterpretasikan model populasi dari bentuk poligon.

5.

Kegiatan Belajar
5.1 Daftar Distribusi Frekuensi
Dalam daftar distribusi frekuensi, banyak obyek dikumpulkan dalam
kelompok-ketompok berbentuk a b, yang disebut kelas interval. Ke dalam
kelas interval a b dimasukkan semua data yang bernilai mulai dari a
sampai dengan b.
Urutan kelas interval disusun mulai data terkecil terus ke bawah sampai nilai
data terbesar. Berturut-turut, mulai dari atas, diberi nama kelas interval
pertama, kelas interval kedua, , kelas interval terakhir. Ini semua ada
dalam kolom kiri. Kolom kanan berisikan bilangan-bilangan yang
menyatakan berapa buah data terdapat dalam tiap kelas interval. Jadi kolom
ini berisikan frekuensi, disingkat f. Misalnya f = 2 untuk kelas interval
pertama, atau ada 2 orang mahasiswa yang mendapat nilai ujian paling
rendah 31 dan paling tinggi 40.

Buku Ajar

55

Bab 4: Daftar Distribusi Frekuensi dan Grafiknya

Bilangan-bilangan di sebelah kiri kelas interval disebut ujung bawah dan


bilangan-bilangan di sebelah kanannya disebut ujung atas. Ujug-ujung bawah
kelas interval pertama, kedua, , terakhir ialah 31, 41, , 91 sedangkan
ujung-ujung atasnya berturut-turut 40, 50, , 100. Selisih positif antara tiap
dua ujung berurutan disebut panjang kelas interval. Dalam daftar 4.1, panjang
kelasnya, disingkat dengan p, adalah 10, jadi p =10 dan semuanya sama.
Dikatakan bahwa daftar itu mempunyai panjang kelas yang sama.
Selain dari ujung kelas interval ada lagi yang biasa disebut batas kelas interval. Ini
bergantung pada ketelitian data yang digunakan. Jika data dicatat teliti hingga
satuan, maka batas bawah kelas sama dengan ujung bawah dikurangi 0,5. Batas
atasnya didapat dari ujung atas ditambah dengan 0,5. Untuk data dicatat hingga
satu desimal, batas bawah sama dengan ujung bawah dikurangi 0,05 dan batas
atas sama dengan ujung atas ditambah 0,05. Kalau data hingga dua desimal,
batas bawah sama dengan ujung bawah dikurangi 0,005 dan batas atas sama
dengan ujung atas ditambah 0,005 dan begitu seterusnya. Untuk perhitungan
nanti, dari tiap kelas interval biasa diambil sebagai nilai sebagai wakil kelas itu.
Yang digunakan di sini ialah tanda kelas interval yang didapat dengan
menggunakan aturan :
Tanda kelas = (ujung bawah + ujung atas)

(5.1)

Contoh : Kelas interval pertama adalah 31 40 dengan frekuensi f = 2. Ujung


bawah kelas 31, ujung atas 40. Adapun batas bawah kelas = 30,5 dan batas atas
40,5. Tanda kelasnya = (31 + 40) = 35,5.

5.2 Membuat Daftar Distribusi Frekuensi


Perhatikan nilai ujian statistika untuk 80 orang mahasiswa berikut :

Buku Ajar

79

49

48

74

81

98

87

80

80

84

90

70

91

93

82

78

70

71

82

38

56

81

74

73

68

72

85

51

65

93

83

86

90

35

83

73

74

43

86

88

92

93

76

71

90

72

67

75

80

91

61

72

97

91

88

81

70

74

99

95

80

59

71

77

63

60

83

82

60

67

89

63

76

63

88

70

66

88

79

75

56

Bab 4: Daftar Distribusi Frekuensi dan Grafiknya

Untuk membuat daftar distribusi frekuensi dengan panjang kelas yang sama,
kita lakukan sebagai berikut .
a. Tentukan rentang, ialah data terbesar dikurangi data terkecil. Dalam hal ini,
karena data terbesar = 99 dan data terkecil = 35, maka rentang = 99 35 =
64
b. Tentukan banyak kelas interval yang diperlukan. Banyak kelas sering biasa
diambil paling sedikit 5 kelas dan paling banyak 15 kelas, dipilih menurut
keperluan. Cara lain cukup bagus untuk n berukuran besar n 200
misalnya, dapat menggunakan aturan Sturges, yaitu :
Banyak kelas = 1 + (3,3) log n
dengan n menyatakan banyaknya data dan hasil akhir dijadikan bilangan
bulat. Untuk contoh kita dengan n = 80, sekedar memperhatikan
penggunaan aturan ini, maka :
Banyak kelas = 1 + (3,3) log 80
= 1 + (3,3) (1,9031) = 7,2802
Kita dapat membuat daftar distribusi frekuensi dengan banyak kelas 7 atau
8 buah.
c. Tentukan panjang kelas interval p. Ini, secara ancer-ancer ditentukan oleh
aturan :
p=

Rentang
Banyak kelas

Harga p diabil sesuai dengan ketelitian susunan data yang digunakan. Jika
data berbentuk satuan, diambil harga p telilti sampai satuan. Untuk data
hingga satu desimal, p ini juga diambil hingga satu desimal, dan begitu
seterusnya.
Untuk contoh kita, maka jika banayak kelas diambil 7, didapat :

P=

64
= 9,14 dan dari sini bias kita ambil p = 9 atau p = 10
7

d. Pilih ujung bawah kelas interval pertama. Untuk ini bias diambil sama
dengan data terkecil atau nilai data yang lebih kecil dari data terkecil tetapi
selisihnya harus kurang dari panjang kelas yang telah ditentukan.
Selanjutnya daftar diselesaikan dengan menggunakan harga-harga yang telah
dihitung.

Buku Ajar

57

Bab 4: Daftar Distribusi Frekuensi dan Grafiknya

e. Dengan p = 10 dan memulai dengan data yang lebih kecil dari data
terkecil, diambil 31, maka kelas pertama berbentuk 31 40, kelas kedua 41
50, kelas ketiga 51 60 dan seterusnya.
Sebelum daftar sebenarnya dituliskan, ada baiknya dibuat daftar penolong yang
berisikan kolom tabulasi. Kolom ini merupakan kumpulan deretan garis-garis
miring pendek, yang banyaknya sesuai dengan banyak data terdapat dalam kelas
interval yang bersangkutan.
Dengan mengambil banyak kelas 7, panjang kelas 10 dan dimulai dengan ujung
bawah kelas pertama sama dengan 31, seperti dijelaskan dalam e, kita peroleh
daftar penolong seperti di bawah ini .

Nilai Ujian TABULASI

FREKUENSI

31 40

//

41 50

///

51 60

////

61 70

//// //// ///

14

71 80

//// //// ////


//// ////

24

//// //// ////


////

12

81 90
91 - 100

20

//// //// //

Setelah dituliskan dalam bentuk yang lazim dipakai, hasilnya seperti tertera
dalam Daftar 4.1.
Jika ujung bawah kelas pertama diambil sama dengan data terkecil, yakni 35,
maka daftarnya menjadi seperti dalam Daftar 4.2 di halaman berikut ini.

Buku Ajar

58

Bab 4: Daftar Distribusi Frekuensi dan Grafiknya

DAFTAR 4.2
NILAI UJIAN STATISTIKA UNTUK 80 MAHASISWA
NILAI UJIAN FREKUENSI
31 40

41 50

51 60

61 70

14

71 80

24

81 90

20

91 - 100

12

Daftar 4.1 dan Daftar 4.3 kedua-duanya dapat digunakan. Akan tetapi dalam
Daftar 4.2, kelas interval terakhir, yakni 95 104, melebihi nilai yang biasa
diberikan, ialah 100. Karenanya, Daftar 4.1 yang lebih baik digunakan.
Dari penyusunan kelas-kelas interval di muka dapat dilihat bahwa ujung bawah
kelas yang satu berbeda dari ujung atas kelas sebelumnya.
Jadi tidak benar, jika dibuat kelas-kelas seperti dalam dua contoh di bawah ini.

31 41
41 51
51 61

35 45
atau

45 55
55 65

Perbedaan antara ujung bawah sebuah kelas dengan ujung atas kelas
sebelumnya adalah satu jika data dicatat hingga satuan, sepersepuluh atau 0,1
jika data dicatat hingga satu desimal, seperseratus atau 0,01 untuk data dicatat
dua desimal dan begitu seterusnya.
Dalam kesua daftar di atas, Daftar 4.1 dan Daftar 4.2, kelas-kelas intervalnya
sama panjang dan tertutup. Mungkin saja membuat daftar dengan panjang kelas
interval yang berlainan dan terbuka.

Buku Ajar

59

Bab 4: Daftar Distribusi Frekuensi dan Grafiknya

DAFTAR 4.3
BANYAK SISWA DI DAERAH A MENURUT UMUR
DALAM TAHUN
UMUR TAHUN

Kurang dari 15

2,456

15 sampai 20

4,075

25 sampai 30

3,560

35 sampai 40

3,219

40 dan lebih

4,168

Jumlah

17,478

Kelas terbuka terjadi pada kelas pertama dan atau kels terakhir. Kelas terbuka
ini dibuat apabila tidak cukup banyak pengamatan yang akan terdapat jika
interval itu dibuat tertutup dan jika data ekstrim tidak diketahui atau tak perlu
diperhatikan.

5.3 Distribusi Frekuensi Relatif dan Kumulatif


Dalam daftar di atas, frekuensi dinyatakan dengan banyak data yang terdapat
dalam tiap kelas, jadi dalam bentuk absolut. Jika frekuensi dinyatakan dalam
persen, maka diperoleh daftar distribusi frekuensi relatif. Untuk Daftar 4.1 dapat
kita peroleh daftar distribusi frekuensi relatif seperti dalam Daftar 4.4.

DAFTAR 4.4
DISTRIBUSI FREKUENSI RELATIF
UNTUK NILAI UJIAN STATISTIKA

Buku Ajar

Nilai

31 40

2,50

41 50

3,75

51 60

6,25

61 70

17,50

71 80

30,00

81 90

25,00

91 - 100

15,00

Jumlah

100,00

60

Bab 4: Daftar Distribusi Frekuensi dan Grafiknya

Frekuensi relatif, disingkat frel atau f(%), untuk kelas pertama didapat dari
2
x 100% = 2,50%
80
Untuk lain-lain dihitung dengan jalan yang sama.
Tentu saja kedua bentuk frekuensi, absolut dan relatifdapat disajikan dalam
sebuah daftar. Daftar berikut adalah contohnya.

DAFTAR 4.5
NILAI UJIAN STATISTIKA UNTUK 80 MAHASISWA
Nilai

fabs

frel

31 40

2,50

41 50

3,75

51 60

6,25

61 70

14

17,50

71 80

24

30,00

81 90

20

25,00

91 - 100

12

15,00

Jumlah

80

100,00

Ada lagi sebuah daftar yang biasa dinamakan daftar distribusi frekuensi
kumulatif.
Daftar distribusi frekuensi kumulatif dapat dibentuk dari daftar distribusi frekuensi
biasa, dengan jalan menjumlahkan frekuensi demi frekuensi. Dikenal dua
macam distribusi frekuensi kumulatif ialah kurang dari dan atau lebih. Tentu saja
untuk kedua hal ini terdapat pula frekuensi-frekuensi absolut dan relatif. Untuk
distribusi frekuensi kumulatif kurang dari dan atau lebih masing-masing dapat
dilihat dalam Daftar 4.6 dan Daftar 4.7.

Buku Ajar

61

Bab 4: Daftar Distribusi Frekuensi dan Grafiknya

DAFTAR 4.6
NILAI UJIAN STATISTIKA
UNTUK 80 MAHASISWA
(KUMULATIF KURANG DARI)
UMUR
TAHUN
Kurang dari 31
Kurang dari 41
Kurang dari 51
Kurang dari 61
Kurang dari 71
Kurang dari 81
Kurang dari 91
Kurang dari 101

DAFTAR 4.7
NILAI UJIAN STATISTIKA
UNTUK 80 MAHASISWA
(KUMULATIF ATAU LEBIH)

fkum
0
2
5
10
24
48
68
80

UMUR
TAHUN
31 atau lebih
41 atau lebih
51 atau lebih
61 atau lebih
71 atau lebih
81 atau lebih
91 atau lebih
101 atau lebih

fkum
80
78
75
70
56
32
12
0

Perhatikan bahwa dalam kedua daftar di atas (Daftar 4.6 dan Daftar 4.7) tidak
terdapat baris yang menyatakan jumlah frekuensi.
Kalau daftar distribusi frekuensi kumulatif dengan frekuensi relatif dikehendaki,
maka hasilnya seperti dalam daftar-daftar di bawah ini.
DAFTAR 4.8
NILAI UJIAN STATISTIKA
UNTUK 80 MAHASISWA

DAFTAR 4.9
NILAI UJIAN STATISTIKA
UNTUK 80 MAHASISWA

UMUR TAHUN Fkum (%)


Kurang dari 31
0
Kurang dari 41
2,50
Kurang dari 51
6,25
Kurang dari 61
12,50
Kurang dari 71
30,00
Kurang dari 81
60,00
Kurang dari 91
85,00
Kurang dari 101 100,00

UMUR TAHUN Fkum (%)


31 atau lebih
100,00
41 atau lebih
97,50
51 atau lebih
93,75
61 atau lebih
87,50
71 atau lebih
70,00
81 atau lebih
40,00
91 atau lebih
15,00
101 atau lebih
0

Buku Ajar

62

Bab 4: Daftar Distribusi Frekuensi dan Grafiknya

5.4 Histogram dan Poligon Frekuensi


Untuk menyajikan data yang telah disusun dalam daftar distribusi frekuensi
menjadi diagram, seperti biasa dipakai sumbu mendatar untuk menyatakan
kelas interval, dan sumbu tegak untuk menyatakan frekuensi baik absolut
maupun relatif. Yang dituliskan pada sumbu datar adalah batas-batas kelas
interval. Bentuk diagrmbya seperti diagram batang hanya di sini sisi-sisi batang
berdekatan harus berimpitan. Data dalam Daftar 4.1, diagramnya dapat dilihat
seperti dalam Gambar 4.1

Gambar 4.1

Diagram seperti di atas dinamakan histogram.


Sekarang, tengah-tengan tiap sisi atas yang berdekatan kita hubungkan dan sisi
terakhir dihubungkan dengan setengah jarak kelas interval pada sumbu datar.
Bentuk yang didapat dinamakan poligon frekuensi. Untuk ini lihat Gambar 4.2.

Buku Ajar

63

Bab 4: Daftar Distribusi Frekuensi dan Grafiknya

Gambar 4.2
Jika daftar distribusi frekuensi mempunyai kelas-kelas interval yang panjangnya
berlainan, maka tinggi diagram tiap kelas harus disesuaikan. Untuk ini , ambil
panjang kelas yang sana yang terbanyak terjadi sebagai satuan pokok. Tinggi
untuk kelas-kelas lainnya digambarkan sebagai kebalikan dari panjang kelas
dikalikan dengan frekuensi yang diberikan.
Contoh : Daftar berikut menyatakan gaji bulanan untuk 135 pegawai yang
terdapat di suatu daerah.

DAFTAR 4.10
GAJI BULANAN 135 PEGAWAI
DI DAERAH A DALAM RUPIAH
UMUR TAHUN

5.000 5.999

30

6.000 6.999

32

7.000 7.999

25

8.000 8.999

18

9.000 12.999

28

13.000 13.499

Jumlah

135

Kelas-kelas interval pertama, kedua, ketiga dan keempat panjangnya sama, yakni
1000. Kelas interval kelima dan keenam masing-masing panjangnya 4000 dan
500. Dengan mengambil pokok panjang kelas 1000, maka tinggi diagram kelas
kelima digambarkan seperempat dari 28 atau 7, sedangkan tinffi diagram kelas
terakhir digambarkan dua kali dua atau 4. Diagramnya dapat dilihat dalam
Gambar 4.3.

Buku Ajar

64

Bab 4: Daftar Distribusi Frekuensi dan Grafiknya

Gambar 4.3
Diagram untuk data yang telah disusun dalam daftar distribusi frekuensi
kumulatif, bentuknya akan berlainan dengan diagram-diagram di atas. Untuk
data dalam Daftar 4.6, yakni daftar kumulatif kurang dari, diagramnya dapat
dilihat seperti dalam Gambar 4.4.

Gambar 4.4

Untuk data dalam daftar kumulatif atau lebih seperti dalam Daftar 4.7, grafiknya
dapat dilihat di bawah ini :

Buku Ajar

65

Bab 4: Daftar Distribusi Frekuensi dan Grafiknya

Gambar 4.5

Untuk diagram-diagram di atas, semua frekuensi bernilai absolut. Tentu saja


diagram demikian dapat dibuat jika frekuensi dinyatakan dalam persen, jadi
untuk daftar distribusi frekuensi relatif. Caranya sama, kecuali sekarang
frekuensi, jadi juga skalanya, dinyatakan dalam peren.

5.5 Model Populasi


Poligon frekuensi yang merupakan daris patah-patah dapat didekati oleh sebuah
lingkaran halus yang bentuknya secocok mungkin dengan bentuk poligon
tersebut. Lengkungan yang didapat diinamakan kurva frekuensi. Untuk poligon
frekuensi dalam Gamabar 4.2 misalnya, kurva frekuensinya, digambar dengan
garis tebal, dapat dilihat dalam Gambar 4.6.

Gambar 4.6
Buku Ajar

66

Bab 4: Daftar Distribusi Frekuensi dan Grafiknya

Jika semua data dalam populasi dapat dikumpulkan lalu dibuat daftar distribusi
frekuensinya dan akhirnya digambarkan kurva frekuensinya, maka kurva ini dapat
menjelaskan sifat atau karakteristik populasi.
Kurva ini merupakan model populasi yang akan ikut menjelaskan cirri-ciri populasi.
Dalam praktek, model populasi ini biasanya didekati oleh atau diturunkan dari
kurva frekuensi yang diperoleh dari sampel representatifyang diambil dari populasi
itu.
Untuk keperluan teori dan metode yang lebih lanjut, model populasi ini
dituangkan dalam bentuk persamaan matematik. Beberapa diantaranya adalah :
model normal, simetrik, positif atau miring ke kiri, negatif atau miring ke kanan,
bentuk-bentuk J dan U.

Gambar 4.7

Untuk gambar-gambar di atas, kita kenal :


a. Model normal, yang sebenarnya akan lebih tepat digambarkan berdasarkan
persamaan matematikanya. Bentuk model normal selalu simetrik dan
mempunyai sebuah puncak. Kurva dengan sebuah puncak disebut unimodal.
b. Model simetrik, di sin juga unimodal. Perhatikan bahwa model normal
selalu simetrik, tetapi tidak sebaliknya.

Buku Ajar

67

Bab 4: Daftar Distribusi Frekuensi dan Grafiknya

Kurva untuk model miring, positif ataupun negatif, dapat dilihat dalam Gambar
4.8

Gambar 4.8

Model positif menggambarkan bahwa terdapat sedikit gejala yang bernilai


makin besar. Sedangkan negatif terjadi sebaliknya. Soal ujian yang terlalu
mudah, sehingga banyak peserta yang mendapat nilai baik menggambarkan nilai
negatif.

Gambar 4.9

Kedua gambar di atas memperlihatkan fenomena yang modelnya berbentuk J.


Ini banyak terdapt dalam dunia ekonomi, industri dan fisika.

Buku Ajar

68

Bab 4: Daftar Distribusi Frekuensi dan Grafiknya

Gambar 4.10

Model bentuk U dapat dilihat seperti dalam Gamabr 4.10. Dalam hal ini mulamula terdapat banyak gejala bernilai kecil, kemudian menurun sementara gejala
bernilai besar dan akhirnya menaik lagi untuk nilai gejala yang makin besar.

Model dengan lebih dari sebuah puncak, jadi bukan unimodal, disebut multimodal.
Kalau hanya ada dua puncak dinamakan bimodal.

6.

Latihan
1. Bedakanlah antara daftar-daftar distribusi frekuensi, kontingensi dan baris
kolom
2. Jelaskan apa yang dimaksud dengan :
a. distribusi frekuensi relatif
b. distribusi frekuensi kumulatif frekuensi
c. kelas interval
d. panjang kelas interval
e. rentang
f. kelas interval tertutup
g. kelas interval terbuka

Buku Ajar

69

Bab 4: Daftar Distribusi Frekuensi dan Grafiknya

3. Berilah komentar mengenai penyusunan kelas-kelas interval di bawah ini


a. 2,5 5,0

b. 2,5 7,5

5,0 7,5

5,0 10,5

7,5 10,0

7,5 12,5

dst

dst

c. 5 kurang dari 10

d. 10,00 19,99

10 kurang dari 15

20,00 39,99

15 kurang dari 20

40,00 59,99

dst

60,00 dan lebih

4. Apa yang dimaksud dengan :


a. histogram
b. poligon frekuensi
c. kurva populasi
5. Di bawah ini merupakan data tentang kelahiran per 1000 penduduk di
berbagai daerah di Jawa selama periode 1955 1959 :

32,5 34,8 32,8 32,4 27,8 39,8 33,1 35,8


34,2 18,5 40,6 34,2 37,3 32,9 27,3 29,8
20,7 31,2 32,4 35,1 25,7 27,8 37,4 39,7
44,3 32,0 18,2 34,5 37,6 40,7 28,6 33,8
42,0 43,2 35,8 30,0 36,0 32,5 36,2 33,1
36,5 31,6 31,6 39,0 37,2 15,8 29,7 42,8 33,1 43,1 43,1 35,0 43,1 34,5 33,3 27,6 30,6 13,0 36,1 29,6 30,1 41,7 43,7 37,5 35,7 29,6 41,7 42,9 38,5 37,6 36,8 30,2 32,2 30,8 33,4 (Statistical Pocketbook of Indonesia 1960)

Buku Ajar

70

Bab 4: Daftar Distribusi Frekuensi dan Grafiknya

a. Buatlah daftar distribusi frekuensi dengan menggunakan aturan Struges.


b. Buat pula sebuah daftar dengan mengambil banyak kelas interval 10
buah
c. Susunlah daftar distribusi frekeunsi untuk hasil-hasil di a dan di b.
6. Berikut ini diberikan data tentang umur X (dalam tahun), berat badan Y
(dalam kg) dan tinggi badan Z (dalam cm) untuk 100 orang laki-laki, seperti
yang terdapat dalam Daftar 4.11. Berdasarkan data dalam daftar tersebut,
maka :
a. Buatlah daftar distribusi frekuensi (menggunakan lima kelas) untuk
umur, berat, dan tinggi keseratus orang itu.
b. Gambarkan poligon frekuensinya
c. Gambarkan pula grafik untuk daftar distribusi frekuensi kumulatifnya.

Buku Ajar

71

Bab 4: Daftar Distribusi Frekuensi dan Grafiknya

DAFTAR 4.11
UMUR, TINGGI DAN BERAT BADAN 100 ORANG LAKI-LAKI
X
4
35
41
31
49
34
37
63
28
40
51
33
37
33
41
38
52
31
44
31
40
36
42
28
40
40
35
32
31
52
45
39
40
48

Buku Ajar

Y
70
73
68
68
66
74
65
74
70
69
69
66
71
69
69
69
70
71
68
67
68
73
69
67
71
70
68
68
70
69
69
67
68
66

Z
180
188
178
159
155
156
157
168
185
187
182
155
170
161
167
180
162
156
189
160
166
178
189
158
180
172
157
176
156
165
159
181
169
160

X
61
61
44
58
29
56
53
47
30
64
31
35
65
43
53
58
67
53
42
43
52
68
64
46
41
58
50
45
59
56
59
47
43
37

Y
68
70
68
67
66
65
68
69
73
71
72
70
65
62
60
62
69*
70
58
69
62
66
70
58
698
73
69
59
58
65
61
67
76
63

Z
182
185
161
175
159
171
166
171
178
170
180
162
163
164
159
162
190
187
157
165
163
158
168
162
175
188
164
158
157
168
155
164
184
160

X
52
52
52
40
27
44
41
33
29
24
36
23
47
26
45
41
55
34
51
58
51
35
34
26
25
44
57
67
59
62
40
52

Y
66
67
69
68
68
59
64
70
68
67
67
59
68
70
60
65
66
69
72
67
70
70
69
70
61
71
68
60
69
70
65
71

Z
154
152
162
175
167
158
169
186
161
160
162
159
167
161
158
167
169
160
175
163
174
172
160
175
164
172
163
159
179
167
163
170

72

Bab 4: Daftar Distribusi Frekuensi dan Grafiknya

7.

Daftar Pustaka

1. Bartz, Albert E., 1988. Basic Statistical Concepts, Third Edition,


MacMillan Publishing Company, New York.
2. Bhattaraya, G.K., and Johnsons, R.A., 1996. Statistical Principles and
Methode, John Wiley and Sons, New York.
3. Hogg and Tanis, 2001. Probability and Statistical Inference, Prentice-Hall.
Inc, USA
4. Sujana, 1992. Metode Statistika, Edisi ke 5, Tarsito, Bandung.

Buku Ajar

73

MATERI POKOK V
UKURAN GEJALA PUSAT DAN UKURAN LETAK
MAS 201
Oleh :
Lisnur Wachidah, dkk

DAFTAR ISI
Halaman
1.
2.
3.
4.
5.

Pengantar
Kompetensi Dasar
Tujuan Pembelajaran
Indikator
Kegiatan belajar

5.1 Rata-rata atau Rata-rata Hitung


5.2 Rata-rata Ukur
5.3 Rata-rata Harmonik
5.4 Modus
5.5 Median
5.6 Kuartil, Desil, Persentil
6. Latihan
7. Daftar Pustaka

75
75
76
76
76
76
82
85
87
88
91
97
99

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

Bab

UKURAN GEJALA PUSAT


DAN UKURAN LETAK
1.

Pengantar
Untuk mendapatkan gambaran yang lebih jelas tentang sekumpulan data
mengenai sesuatu hal, baik mengenai sampel ataupun populasi, selain daripada
data itu disajikan dalam tabel dan diagram, masih diperlukan ukuran-ukuran
yang merupakan wakil kumpulan data tersebut. Dalam bab ini akan diuraikan
tentang ukuran gejala pusat dan ukuran letak. Beberapa macam ukuran dari
golongan pertama adalah : rata-rata atau rata-rata hitung, rata-rata ukur, ratarata harmonik, dan modus. Golongan kedua meliputi : median, kuartil, desil
dan persentil.
Ukuran yang dihitung dari kumpulan data dalam sampel dinamakan statistik. Ini
telah juga disinggung dalam Bagian 1. Bab 1. apabila ukuran itu dihitung dari
kumpulan data dalam populasi atau dipakai untuk menyatakan populasi, maka
namanya parameter. Jadi ukuran yang sama dapat bernama statistik atau
parameter bergantung pada apakah ukuran dimaksud untuk sampel atau
populasi.

2.

Kompetesi Dasar
Mahasiswa dapat menggunakan ukuran gejala pusat dan ukuran letak dalam
menyelesaikan persoalan

Buku Ajar

75

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

3.

Tujuan Pembelajaran
Mahasiswa memahami pengertian dan penggunaan ukuran, ukuran gejala pusat
dan ukuran gejala letak

4.

Indikator
a. Mahasiswa dapat mendefinisikan kembali ukuran, ukuran gejala pusat,
dan ukuran gejala letak
b. Mahasiswa dapat menghitung rata-rata, baik data yang disajikan dalam
tabel distribusi frekuensi maupun tidak
Mahasiswa dapat menentukan ukuran rata-rata yang sesuai untuk berbagai
permasalahan

5.

Kegiatan Belajar
5.1 Rata-rata atau Rata-rata Hitung
Untuk keperluan ini dan perhitungan selanjutnya, akan diguankan simbolsimbol. Nilai-nilai data kuantitatif akan dinyatakan dengan x1, x2, , xn, apabila
dalam kumpulan data itu terdapat n buah nilai. Simbol n juga akan dipakai
untuk menyatakan ukuran sampel, yakni banyak data atau obyek yang diteliti
sampel. Simbol N dipakai untuk menyatakan ukuran populasi, yakni banyak
anggota terdapat dalam populasi.
Jika ada lima nilai ujian dari lima ornag mahasiswa untuk mata kuliah statistika
berbentuk : 70, 69, 45, 80, dan 56, maka dalam simbol ditulis : x1 = 70, x2 = 69,
x3 = 45, x4 = 80 dan x5 = 56. dalam hal ini n = 5, yang menyatakan sebuah
sampel berukuran 5.
Rata-rata, atau lengkapnya rata-rata hitung, utnuk data kuantitatif yang terdapat
dalam sebuah sampel dihitung dengan jalan membagi jumlah nilai data oleh
banyak data.
w
Simbol rata-rata untuk sampel ialah x (baca : eks garis) sedangkan rata-rata
w
untuk populasi dipakai simbul (baca : mu). Jadi x adalah statistik sedangkan
w
adalah parameter untuk menyatakan rata-arta. Rumus untuk rata-rata x
adalah :

Buku Ajar

76

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

w x + x 2 + ... + x n
w
x= 1
atau x =
n

x
i =1

Atau lebih sederhana lagi ditulis :


w
x=

dengan xi singkatan dari

n
yang ada dalam kumpulan itu.

x
i =1

yang berarti jumlah semua harga x

Untuk kelima nilai ujian diatas, nilai rata-ratanya ialah :

w 70 + 69 + 45 + 80 + 56
= 64
x=
5

Jika ada lima mahasiswa mendapatkan nilai 70, enam mendapat nilai 69, tiga
mendapat 45 dan masing-masing seorang mendapat nilai 80 dan 56, maka lebih
baik data itu ditulis sebagai berikut :

xi

fi

70

69

45

80

56

xi menyatakan nilai ujian, dan


fi menyatakan frekuensi utnuk nilai xi
yang bersesuaian
Misalnya : f1 = 5 untuk x1 = 70, f2 = 6
untuk x2 = 69 dan seterusnya

Untuk data berbentuk demikian, rumus rata-ratanya adalah :

w
x=

fx
f
i

(5.2)

Ialah jumlah hasil kali anatra frekunsi dan nilai data dibagi oleh jumlah frekuensi

Buku Ajar

77

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

Untuk contoh dimuka, dianjurkan dibuat tabel penolong seperti berikut :

xi

fi

fixi

70

350

69

414

45

135

80

80

56

56

Dari tabel, didapat


f i = 16

fx

= 1035
Sehingga
w f i xi
w 1035
= 64.6
x=
atau x =
f
16
i
i

Nilai rata-rata ujian statistika untuk ke-16 mahasiswa itu adalah 64.6.
Rumus (5.2) disebut pula rumus rata-rata diboboti yang sering dipakai untuk
memperbaiki rata-rata yang dihitung oleh Rumus (5.1)
Contoh : Data berikut merupakan daftar barang yang disimpan di gudang,
diantaranya terdapat yang rusak. (untuk menyingkat, judul daftar setiap tabel tidak
lagi dituliskan)

DAFTAR 5.1
BARANG

DISIMPAN

RUSAK

100

96

96

200

92

46

160

80

50

80

60

75

JUMLAH

540

328

Jika rata-rata mengenai persen abrang yang rusak dihitung dengan Rumus (5.1), maka

w 96 + 46 + 50 + 756
x=
% = 66.75%
4

Buku Ajar

78

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

Tetapi barang rusak ada 328 dari 540. ini berarti

328
x100% = 60.07%.
540

Hasil ini didapat dengan menggunakan rumus (5.2) seperti dalam daftar berikut :

xi (%)

fi

fixi

96

100

96

46

200

92

75

160

80

Dalam tabel disamping ini, xi = persen


yang rusak, fi = banyak barang. Dari tabel
dan Rumus (5.2) didapat :Dari tabel,
didapat :
w f i xi
x=
x100%
fi
328
x100%
540
= 60.07%
=

75

80

60

Jumlah

540

328

Rata-rata terdapat 60,07% barang yang rusak.


Selanjutnya kita juga dapat menentukan rata-rata gabungan, yaitu rata-rata dari
beberapa sub sampel lalu dijadikan satu. Kalau ada k buah sub sampel masing-masing
dengan keadaan berikut :
Sub sampel 1 : berukuran n1dengan rata-rata x1
Sub sampel 2 : berukuran n2 dengan rata-rata x 2
M
Sub sampel k : berukuran nk dengan rata-rata x k
Maka rata-rata gabungan dari k buah sub sampel itu dihitung dengan :

x=

n x
n
i

( 5.3 )

Contoh ; Tiga sub sampel masing-masing berukuran 10, 6, dan 8 sedangkan rataratanya masing-masing 145, 118, dan 162.
Adalah salah jika rata-rata gabungan dihitung dengan Rumus (5.1) ialah
Buku Ajar

79

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

x=

145 + 118 + 162


= 141.7
3

Yang benar, harus dihitung dengan Rumus (5.3), ialah :


x=

(10)(145) + (6)(118) + (8)(162)


=143,9
10 + 6 + 8

Untuk data yang telah disusun dalam daftar distribusi frekuensi, rata-ratanya dihitung
dengan Rumus (5.2), ialah :

v
x=

fx
f
i

(5.4)

Hanya disini xi = tanda kelas interval dan fi = frekuensi yang sesuai dengan tanda
kelas xi.
Contoh :
Marilah kita hitung rata-rata untuk nilai ujian statistika yang terdapat dalam Daftar III
(i). untuk keperluan ini kita buat tabel berikut :
Catatan : Frekeunsi berbeda dari yang terdapat dalam Daftar III (1)
Dari tabel di atas didapat : fi = 80 dan fixi = 6130.0
Rumus (5.4) memberikan :
v 6130.0
x=
= 76.62
80
Rata-rata nilai ujian statistika 76.62.
Dalam perhitungan di atas, diambil tanda kelas yaitu setengah dari jumlah ujung
bawah dan ujung atas, sebagai wakil tiap kelas interval. Jadi telah dianggap ada
seorang mahasiswa yang mendapat nilai 35.5, ada dua orang yang mendapat nilai 45.5
dan begitu seterusnya. Nilai-nilai asli, sudah tidak terdapat lagi di sini dan telah
diganti oleh tanda kelas. Karena keadaan inilah, amka hasil perhitungan rata-rata bisa
berbeda.

Buku Ajar

80

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

Cara kedua untuk menghitung rata-rata dari data dalam daftar distribusi frekuensi
ialah dengan cara sandi atau cara singkat. Untuk ini diambil salah satu tanda kelas,
namakan x0. utnuk harga x0 ini diberi nilai sandi c = 0. tanda kelas yang lebih kecil
dari x0 berturut-turut diberi nilai sandi c = -1, c=-2, c=-3 dan seterusnya. Tanda kelas
yang lebih besar dari x0 berturut-turut mempunyai harga-harga sandi c =+1, c = +2,
c = +3 dan seterusnya. Dengan ini semua jika p = panjang kelas interval yang sama
besarnya, maka rata-rata dihitung oleh :
f ici
x = x0 + p

f i

(5.5)

Contoh : untuk data nilai ujian 80 mahasiswa, kita perlu menyusun tabel berikut :

NILAI UJIAN

fi

xi

ci

fici

31-40

35.5

-4

-4

41-50

45.5

-3

-6

51-60

55.5

-2

-10

61-70

15

65.5

-1

-15

71-80

25

75.5

81-90

20

85.5

20

91-100

12

95.5

24

Jumlah

80

Telah diambil x0 = 75.5 dan nilai sandi c = 0 telah diberikan untuk ini. Harga-harga
c = -1, c = -2, c = -3 dan c = -4 telah diberikan berturut-turut untuk tanda-tanda
kelas 65.5, 55.5, 45.5 dan 35.5. tanda kelas yang lebih besar dari x0 = 75.5 berturutturut diberi harga c = 1 dan c= 2. karena p = 10, maka dengan Rumus (5.5), dengan
fici = 9, didapat
9
x = 75.5 + (10) = 76.62
80
Hasil yang sama dengan ketika menggunakan Rumus (5.4). ini memang demikian,
dan sebenarnya Rumus (5.5), dengan
didapat dari Rumus (5.4) dengan
xi x0
berdasarkan sifat :
mengguankan transformasi c i =
p

Buku Ajar

81

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

1.

Jika tiap nilai data xi ditambah/dikurangi dengan sebuah bilangan tetap d,


r
maka rata-rata x utnuk data baru bertambah/berkurang dengan d dari artarata data lama.

2.

Jika tiap data xi dikalikan dengan sejauh bilangan tetap d, angka rata-rata
r
untuk x untuk data baru menjadi d kali rata-rata data lama.
Cobalah selidiki sendiri kebenaran sifat ini !
Perhatikan : Cara sandi diatas hanya berlaku jika panjang kelas interval
semuanya sama.

5.2.

Rata-rata Ukur
Jika perbandigan tiap dua data berurutan tetap atau hampir tetap, ratarata-ukur lebih baik dipakai daripada rata-rata hitung, apabila dikehendaki
rata-ratanya. Untuk data bernilai x1, x2, x3, xn maka rata-rata ukur U
didefinisi sebagai :
U = n x1 , x 2 , x 3 ,...x n

(5.6)

Yaitu akar pangkat n dari produk (x1, x2, x3, , xn).


Contoh : Rata-rata ukur untuk data x1 = 2, x2 = 4 dan x3 = 8 adalah :
U = 3 2 x 4 x8 n = 4

Untuk bilangan-bilangan bernilai besar, lebih baik digunakan logaritna.


Rumus (5.6) menjadi :
log U =

log x i
n

(5.7)

Yakni logaritma rata-arta ukur U sama dengan jumlah logaritma tiap data
dibagi oleh banyak data. Rata-rata ukur U akan didapat dengan jalan
mencari kembali logaritmanya. Tabel logaritma yang sederhana diberikan
dalam Lampiran, Daftar A
Contoh :
Sekedar menunjukkan penggunaan Rumus (5.7), kita ambil x1 = 2, x2 = 4
dan x3 = 8.
Maka log 2 = 0.3010, log 4 = 0.6021, dan log 8 = 0.9031

Buku Ajar

82

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

log 2 + log 4 + log 8


3
0.3010 + 0.6021 + 0.9031
log U =
= 0.6021
3
log U =

Sehingga, setelah dicari kembali dari daftar logaritma, rata-rata ukur U=4.
Untuk fenomena yang bersifat tumbuh dengan syarat-syarat tertentu,
seperti pertumbuhan penduduk, bakteri dan lain-lain, sering digunakan
rumus yang mirip rata-rata ukur ialah :
r
x t
Pt = P0 (1 +
)
100

. 5.8)

Dengan:
P0 = keadaan awal atau permulaan
Pt = keadaan akhir
r
x = rata-rata pertumbuhan setiap satuan waktu
t = satuan waktu yang digunakan

Contoh :
Penduduk Indonesia pada akhir tahun 1946 ada 60 juta, sedangkan akhir
tahun 1956 mencapai 78 juta. Untuk menentukan laju rata-rata
pertumbuhan penduduk tiap tahun kita pakai Rumus (5.8) dengan t = 10,
P0 = 60 dan Pt = 78. maka didapat :
r
x 10
)
78 = 60(1 +
100
Atau
Log 78 = log 60 + 10 log (1 +

x
)
100

Atau
1.8921 = 1.7782 + 10 log (1 +

Buku Ajar

x
)
100

83

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

Menghasilkan

(1 +

r
x
) = 1.0267
100

Laju rata-rata pertumbuhan = 2.67% tiap tahun.


Untuk data yang telah disusun dalam daftar distribusi frekuensi rata-rata
ukurnya dihitung dengan rumus :
log U =

( f log x )
f
i

(5.9)

Dengan xi seperti biasa menyatakan tanda kelas, fi = frekeunsi yang sesuai


dengan xi dan harga rata-rata ukur U dicari kembali dari log U.

Contoh :
Untuk data dalam Daftar 4.1 tentang nilai ujian 80 mahasiswa kita bentuk
abel berikut :

NILAI UJIAN

fi

xi

Log xi

fi log xi

(1)

(2)

(3)

(4)

(5)

31-40

35.5

1.5502

1.5502

41-50

45.5

1.6580

3.3160

51-60

55.5

1.7443

8.7215

61-70

15

65.5

1.8162

27.2430

71-80

25

75.5

1.8779

46.9475

81-90

20

85.5

1.9320

38.6400

91-100

12

95.5

1.9800

23.7600

Jumlah

80

150.1782

Kolom (3) adalah tanda kelas, kolom (4) merupakan logaritma dari kolom
(3) dan kolom (5) menyatakan hasil kali antara kolom (2) dan kolom (4).
Didapat
(fi log xi) = 150.1782 dan fi = 80
log U =

Buku Ajar

150.1782
= 1.8772
80
84

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

Yang mengahasilkan U = 75.37


Nilai ujian itu mempunyai rata-rata ukur 75.37

5.3

Rata-rata Harmonik
Untuk data x1, x2, x3, ,xn dalam sebuah sampel berukuran n, maka ratarata harmonik ditentukan oleh :
H=

Atau lengkapnya H =

n
1
x
i

(5.10)

n
1 1
1
+ + ... +
x1 x 2
xn

Contoh :
rata-rata harmonik utnuk kumpulan data : 3, 5, 6, 6, 6, 7, 10, 12, dengan n
= 7 ialah
H=

7
= 5.87
1 1 1 1 1 1 1
+ + + + + +
3 5 6 6 7 10 12

Penggunaan lain mengenai rata-rata harmonik adalah dalam hal berikut :


Si A bepergian pulang pergi. Waktu pergi ia melakukan kecepatan 10
km/jam. Berapakah rata-rata kecepatan pulang pergi?
Jawab : otomatis, dengan rata-rata hitung biasa, ialah
1
(10 + 20)km / jam = 15km / jam
2
Ini salah, karena jika panjang jalan 100 km, maka untuk pergi diperlukan
waktu 10 jam dan kembali 5 jam. Pulang pergi perlu waktu 15 jam dan
menempuh 200 km. rata-rata kecepatan jadinya = 200/15 km/jam = 13
1/3 km/jam.

Buku Ajar

85

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

Hasil ini tidak lain daripada rata-rata harmonik.


H=

2
1
1
+
10 20

1
40
= 13
3
3

Untuk data dalam daftar distribusi frekuensi, maka rata-rata harmonik


dihitung dengan rumus :
H=

f
( f / x )
i

Dengan xi = tanda kelas interval dan fi = frekuensi yang sesuai dengan


tanda kelas xi.
Contoh :
NILAI UJIAN

fi

xi

fi/xi

(1)

(2)

(3)

(4)

31-40

35.5

0.0282

41-50

45.5

0.0440

51-60

55.5

0.0901

61-70

15

65.5

0.2290

71-80

25

75.5

0.3311

81-90

20

85.5

0.2339

91-100

12

95.5

0.1256

Jumlah

80

1.0819

Kolom (3) adalah tanda kelas, kolom (4) merupakan hasil bagi kolom (2)
oleh kolom (3). Dari tabel didapat (fi / xi) = 1.0819 dan fi = 80,
sehingga dengan Rumus (5.11) diperoleh :
H=

80
= 73.94
1.0819

Rata-rata ahrmonik untuk nilai ujian itu = 73.94.


Untuk data dalam Daftar 4.1 telah didapat x = 76.62 ; U = 75.37 dan
H = 73.94. ternyata terdapat hubungan H < U < X . Secara umum
berlaku :

Buku Ajar

86

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

HU X

5.4

(5.12)

Modus
Untuk menyatakan fenomena yang paling banyak terjadi atau paling
banyak terdapat digunakan ukuran modus Mo. Ukuran ini juga dalam
keadaan tidak disadari sering dipakai untuk menentukan rata-rata data
kualitatif. Jika kita dengar atau baca : kebanyakan kematian di Indonesia
disebabkan oleh penyakit malaria, pada umumnya kecelakaan lalu lintas
karena kecerobohan pengemudi, amka ini tiada lain masing-masing
merupakan modus penyebab kematian dan kecelakaan lalu lintas.
Modus untuk data kuantitatif ditentukan dengan jalan menentukan
frekuensi terbanyak di antara data itu.
Contoh :
Terdapat sampel dengan nilai-nilai data : 12, 34, 14, 34, 28, 34, 28, 14.
dalam tabel dapat disusun seperti di bawah ini :
xi

fi

12

14

20

34

Frekuensi terbanyak, ialah f = 4, terjadi


untuk data bernilai 34. maka modus Mo =
34

Jika data luantitatif telah disusun dalam daftar distribusi frekuensi,


modusnya dapat ditentukan dengan rumus :
b
Mo = b + p 1
b1 + b2
Dengan :
b= batas bawah kelas modal, ialah kelas interval dengan frekuensi
terbanyak,
p = panjang kelas modal,

Buku Ajar

87

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

b1 = frekuensi kelas modal dikurangi frekuensi kelas interval


dengan tanda kelas yang lebih kecil sebelum tanda kelas
modal
b2 =f reluensi kelas modal dikurangi frekuensi kelas interval
dengan tanda kelas yang lebih besar sesudah tanda kelas
modal.

Jika Rumus (5.13) digunakan untuk mencari modus Mo dari data dalam
Daftar 4.1, maka dari daftar berikut diperoleh :

NILAI UJIAN

fi

(1)

(2)

31-40

41-50

51-60

61-70

15

71-80

25

81-90

20

91-100

12

Jumlah

1)
2)
3)
4)
5)

kelas modal = kelas kelima


b = 70.5
b1 = 25 15 10
b2 = 25 20 = 5
p = 10
10
Mo = 70.5 + (10)(
)
10 + 5
Mo = 77.1

80

Modus, dibandingkan dengan ukuran lainnya, tidak tunggal adanya. Ini


berarti sekumpulan data bisa mempunayi lebih dari sebuah modus.
Contoh : Diberikan data seperti di bawah ini :

Buku Ajar

xi

fi

75

60

92

64

35

Dapat dilihat bahwa ada 8 data masingmasing bernilai 75 dan 92, ini menyatakan
bahwa modusnya ada dua, ialah 75 dan
92.

88

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

5.5

Median
Median menentukan letak data itu disusun menurut urutan nilainya.
Kalau nilai median sama dengan Me, maka 50% dari data hargaharganya paling tinggi sama dengan Me sedangkan 50% lagi hargaharganya paling rendah sama dengan Me.

Jika banyak data ganjil, maka median Me, setelah data disusun menurut
nilainya, merupakan data paling tengah.
Contoh :
Sampel dengan data : 4, 12, 5, 7, 8, 10 setelah disusun menurut nilainya
menjadi : 4, 5, 7, 8, 10, 12. data paling tengah bernilai 8. jadi Me = 8.
Untuk sampel berukuran genap, setelah data disusun menurut urutan
nilainya, mediannya sama dengan rata-rata hitung dua data tengah.
Contoh :
Diberikan sampel dengan data : 12, 7, 8, 14, 16, 19, 10, 10, 8. setelah
disusun menurut nilainya menjadi : 7, 8, 8, 10, 12, 14, 16, 19. data
tengahnya ialah 10 dan 12; sehingga median Me=1/2(10+12) = 1.1.
Untuk data yang telah disusun dalam daftar distribusi frekuensi,
mediannya dihitung dengan rums :
1 / 2n F

Me = b + p
f

(5.14)

Dengan b = atas bawah kelas median, ialah kelas dimana median akan
terletak,
p= panjang kelas median,
n= ukuran sampel atau banyak data,
F = jumlah semua frekuensi dengan tanda kelas lebih kecil dari
tanda kelas median
f= frekuensi kelas median.

Buku Ajar

89

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

Contoh :
Jika untuk niali ujian 80 mahasiswa akan dihitug mediannya, dengan
menggunakan daftar berikut kita tempuh hal di bawah ini.

NILAI UJIAN

fi

(1)

(2)

31-40

41-50

51-60

61-70

15

71-80

25

81-90

20

91-100

12

Jumlah

Setengah dari seluruh data ada 40 buah.


Jadi media akan terletak di kelas interval
kelima, karena sampel dengan ini jumlah
frekuensi sudah lebih dari 40. dari kelas
median ini didapat :
B = 70.5; p = 10 dan f = 25.
Adapun F = 1+2+5+15 = 23, sehingga
40 23
Me = 70.5 + (10)(
) = 77.3
25

80

Ada 50% dari data yang bernilai paling rendah 77,3 dan setengahnya
lagi bernilai paling besar 77.3.
Dari data dalam Daftar 5.3 tentang nilai ujian 80 mahasiswa, telah
didapat rata-rata X = 76.62, modus Mo = 77.17 dan median Me =
77.3. kita lihat bahwa harga-harga statistik tersebut berlainan. Ketiga
nilai yakni : rata-rata, median dan modus akan sama bila kurva halus
positif atau negatif, hubungan empirik yang berikut dapat diandalkan!

Rata-rata Mo = 3(Rata-rata Me)

Buku Ajar

(5.15)

90

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

Dalam grafik, kedudukan ketiga nilai tersebut dapat dilihat di bawah ini

Gambar (A) untuk kurva positif dan (B) untuk yang negatif.

Kalau dalam rata-rata kita bisa menentukan rata-rata gabungan dari


beberapa sampel, lihat rumus (5.3), maka tidaklah demikian halnya
dengan median. Ini disebabkan urutan nilai data sampel-sampel akan
berubah urutan nilai data sampel gabungan. Selain daripada itu, rata-rata
sampel bersifat lebih stabil dibanding dengan median sampel. Dengan
ini dimaksudkan, jika dari sebuah populasi diambil semua sampel yang
mungkin lalu dari tiap sampel dihitung rata-rata dan mediannya, maka
harga-harga median bervariasi lebih besar bila dibandingkan dengan ratarata. Karena sifat stabil inilah antara lain statistik x lebih banyak
digunakan untuk analisis lebih lanjut dibandingkan dengan statistik
lainnya.

5.6
Buku Ajar

Kuartil, Desil dan Persentil


91

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

Jika sekumpulan data dibagi menjadi empat bagian yang sama banyak,
sesudah disusun menurut urutan nilainya, maka bilangan pembaginya
disebut kuartil. Ada tiga buah kuartil, ialah kuartil pertama, kuartil kedua
dan kuartil ketiga yang masing-masing disingkat dengan K1, K2 dan K3.
pemberian nama ini dimulai dari nilai kuartil paling kecil. Untuk
menentukan nilai kuartil caranya adalah :
1) susun data menurut urutan nilainya,
2) tentukan letak kuartil,
3) tentukan nilai kuartil.
Letak kuartil ke-i, diberi lambang Ki, ditentukan oleh rumus :
Letak Ki = data ke

i (n + 1)
dengan I = 1, 2, 3
4

(5.16)

Contoh :
Sampel dengan data 75, 82, 66, 57, 64, 56, 92, 94, 86, 52, 60, 60, 70
setelah disusun menjadi : 52, 56, 57, 60, 64, 66, 70, 75, 82, 86, 92, 94.

Letak K1 = data ke

(12 + 1)

= data ke-31/4 , yaitu antara data ke-3 dan


4
data ke-4 seperempat jauh dari data ke-3.
Nilai K1 = data ke-3 + (data ke-4 data ke-3)
K1 = 57 + (60-57) = 573/4
3(12 + 1)
= data ke -93/4. dengan cara seperti diatas,
4
nilai K3 dapat ditentukan ialah :
Letak K3 = data ke

K3 = data ke-9 + (data ke-10 data ke-9)


K3 = 82 + (3/4)(86-82) = 85

Buku Ajar

92

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

Untuk data yang telah disusun dalam daftar distribusi frekuensi, kuartil Ki
(i=1, 2, 3) dihitung dengan Rumus :
in

F
dengan i = 1, 2, 3
K i = b + p 4
f

(5.17)

Dengan:
b = batas bawah kelas Ki, ialah kelas interval dimana Ki akan terletak
p = panjang kelas Ki
F = jumlah frekuensi dengan tanda kelas lebih kecil dari tanda kelas Ki
f = frekuensi kelas Ki

Contoh :
Kembali pada hasil ujian 80 mahasiswa seperti dalam tabel di bawah ini:
maka untuk menentukan kuartil ketiga K3, kita perlu x 80 = 60 data.
Dengan demikian K3 terletak dalam kelas interval keenam, dan kelas ini
merupakan kelas K3. Dari kelas K3 ini didapatkan b = 80,5; p = 10; f = 20
dan F = 1 + 2 + 5 + 15 + 25 = 48. Dengan i = 3 dan n = 80, dari rumus
(5.17) diperoleh :

Buku Ajar

K3

3 x 80

48

= 80,5 + 10 4
20

K3

= 86,5

93

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

DAFTAR 5.4
Nilai ujian fi
31 40

41 50

51 60

61 70

15

71 80

25

81 90

20

91 100

12

Jumlah

80

Ini berarti ada 75% mahasiswa yang mendapat nilai ujian paling tinggi
86,5 sedangkan 25% lagi mendapat nilai paling rendah 86,5.
Jika kumpulan data itu dibagi menjadi 10 bagian yang sama, maka didapat
sembilan pembagi dan tiap pembagi dinamakan desil. Karenanya ada
sembilan buah desil, ialah desil pertama, desil kedua, ..., desil kesembilan
yang disingkat dengan D1, D2, ... , D9. Desil-desil ini dapat ditentukan
dengan jalan :
1) susun data menurut urutan nilainya
2) tentukan letak desil
3) tentukan nilai desil
Letak desil ke-i, diberi lambang Di, ditentukan oleh rumus :
Letak Di = data ke

i (n + 1)
dengan i = 1, 2, ... , 9 ... (5.18)
10

Contoh :

Buku Ajar

94

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

Untuk data yang telah disusun dalam contoh terdahulu, ialah :


52, 56, 57, 60, 64, 70, 75, 82, 86, 92, 94, maka letak
D7 = data ke

7(12 + 1)
= data ke-9,1
10

Nilai D7 = data ke-9 + (0,1) ( data ke-10 data ke-9 ) atau


D7 = 82 + (0,1)(86 82) = 82,4
Untuk data dalam daftar distribusi frekuensi, nilai Di ( i = 1, 2, , 9)
Dihitung dengan rumus :

in
F
dengan i = 1, 2, ..., 9
Di = b + p 10
f

... ( 5.19 )

Dengan
b = batas bawah kelas Di, ialah kelas interval di mana Di akan terletak
p = panjang kelas Di
F = jumlah frekuensi dengan tanda kelas lebih kecil dari tanda kelas Di
f = frekuensi kelas Di

Contoh :
Jika diminta D3 untuk 80 nilai ujian statistik, maka kita perlu 30% x 80 =
24 data. Dapat dilihat bahwa kelas D3 berimpit dengan kelas interval ke-4.
Karenanya b = 60.5; p =10,; f = 15 dan F = 1+2+5 = 8. dengan i =3 dan
n = 80, maka dari Rumus (5.18) didapat :
3 x80

= 71.2
D3 = 60.5 + (10) 10
15

Buku Ajar

95

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

Ada 70% dari mahasiswa paling sedikit mendapat nilai ujian 71.2 dan 30%
lagi mendapat nilai paling besar 71.2.
Akhirnya sekumpulan data yang dibagi menjadi 100 bagian yang sama akan
menghasilkan 99 pembagi yang berturut-turut dinamakan persentil pertama,
persentil kedua, ..., persentil ke 99. simbul yang digunakan berturut-turut
P1, P2, ..., P99.

Karena cara perhitungannya sama seperti perhitungan desil, maka disini


hanya diberikan rumus-rumusnya saja. Letak persentil Pi (i = 1, 2, ..., 99)
utnuk sekumpulan data ditentukan oleh rumus :
Letak Pi = data ke-

i (n + 1)
dengan i = 1, 2, ..., 99
100

... (5.20)

Sedangkan nilai Pi untuk data dalam daftar distribusi frekuensi dihitung


dengan:

in
F

dengan i = 1, 2, ..., 99
Pi = b + p 100
f

... (5.21)

Dengan b = batas bawah kelas Pi ialah kelas interval dimana Pi terletak


p = panjang kelas Pi
F = jumlah frekuensi dengan tanda kelas lebih kecil dari tanda
kelas Pi
f = frekuensi kelas Pi.

Mudah dilihat bahwa Rumus (5.21), kita dapat menurunkan rumus-rumus


untuk kuartil dan desil. Jika dalam Rumus (5.21) diambil i = 25, 50 atau 75,
maka didapat Rumus (5.17). untuk i = 10, 20, 30, ..., 90, maka Rumus (5.21)
memberikan Rumus (5.19) untuk desil. Jelas bahwa untuk i = 50, akan
didapat rumus median.
Catatan :
Mudah dimengerti kiranya bahwa pengelompokkan data dalam kelas
interval, menyebabkan hilangnya sejumlah informasi : antara lain, terjadinya
perbedaan harga-harga statistik yang dihitung dari data asli dan dari data
yang telah dikelompokkan menggunakan wakil berupa tanda kelas. Oleh
karena itu, untuk perhitungan statistik apalagi apabila ukuran sampel atau
banyak data hanya sedikit, telah dilakukan menggunakan data asli. Dengan
Buku Ajar

96

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

adanya alat hiutng yang berkemampuan tinggi, kalkulator maupun


komputer, perhitungan ini tidak lagi merupakan masalah, sehingga
penggunaan rumus-rumus cara singkat seperti Rumus (5.5), (5.13), (5.14),
(5.16), (5.17), sampai dengan (5.21) sebaiknya perlu dipikirkan terlebih
dahulu.

6.

Latihan
1. Sebutkanlah macam-macam ukuran gejala pusat dan ukuran letak yang
dikenal hingga sekarang
2. Apakah kegunaan ukuran-ukuran :
a. modus
b. median
c. kuartil
d. desil
e. persentil
f. rentang
3. Berikan contoh untuk memperlihatkan bahwa rata-rata ukur lebih tepat
berfungsi sebagai rata-rata daripada rata-rata hitung.
4. Kapan untuk sekumpulan data hanya bisa dihitung modusnya saja
5. Kapan D5 atau P50 atau K2 dapat berfungsi sebagai rata-rata?
6. Sebuah sampel berukuran n mempunyai rata-rata x . Tiap nilai data
dikurangi dengan 5. Berapa rata-rata kumpulan data yang baru? Bagaimana
jika tiap nilai data ditambah dengan 5? Dikalikan dengan 5?Dibagi dengan
5?
7. Rata-rata sebuah sampel berukuran n sama dengan x . Tiap nilai data
dikurangi dengan x lalu dibagi oleh bialngan tetap b. Berapa rata-rata
kumpulan data yang baru?
8. Bagaimana hubungan antara x , Me, dan Mo? Kapan tanda sama akan
berlaku?
9. Perhatikan data dalam Daftar 3.11. Supaya dihitung rata-rata penggunaan
tiap tahun. Berapa Mediannya?Berapa modusnya?

Buku Ajar

97

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

10.

Hitunglah rata-rata nilai ujian statistika utnuk 80 mahasiswa yang terdapat


dalam halaman 3 Materi Pokok IV Bagian 4.2?Bandingkanlah dengan ratarata yang dihitung dari Daftar 4.1. Apa yang nampak?Mengapa?

11.

Lakukanlah Soal 9 untuk :


a. Modus
b. Median
c. Rata-rata ukur
d. Rata-rata harmonik

12.

Jelaskan arti ukuran-ukuran berikut ini :


a. K1 = 28
b. K3 = 97
c. D3 = 14
d. D7 = 58
e. Me = 149
f. Mo = 72]
g. P10 = 65
h. P90 = 156

13.

Kapan akan terjadi x =Mo =Me untuk hasil sekumpulan pengamatan ?

14.

25% mahasiswa paling muda berumur 23 tahun. Ukuran apa yang dipakai
disini?

15.

Selama empat minggu perbandingan harga barang A terhadap harga barang


B adalah sebagai berikut :
Minggu I, 2 kali
Minggu II, 21/4 kali
Minggu III, 21/2 kali
Pukul rata, harga barang A berapa kali harga barang B ?

Buku Ajar

98

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

16.

Besar tabungan dan banyak penabung di dua bank A dan B, dinyatakan


dalam ribuan rupiah, dicantumkan di bawah ini

Besar tabungan Penabung


( x Rp. 1.000)
59

Penabung

Di bank A Di bank B
703

912

10 49

4.829

3.456

50 99

12.558

10.402

100 499

1.836

976

500 999

273

372

1.000 4.999

117

196

2.000 9.999

39

47

a. Gambarkan diagram untuk keduanya dalam satu gambar, lalu


bandingkan.
b. Hitung rata-rata besar tabungan tiap penabung di masing-masing bank.
c. Tentukan di bank mana dan berapa batas tabungan terbesar untuk 20%
penabung terbesar.

7.

Daftar Pustaka
1. Bartz, Albert E, 1988. Basic Statistical Concept, Third Edition, MacMillan
Publishing Company, New York.

Buku Ajar

99

Bab 5: Ukuran Gejala Pusat dan Ukuran Letak

2. Bhattaraya, G.K., and Johnson, R.A., 1996. Statistical Principles and Methode,
John Wiley and Sons, New York.
3. Hogg and Tanis, 2001. Probability and Statistical Inference, Prentice-Hall. Inc.,
USA

Buku Ajar

100

MATERI POKOK VI
UKURAN SIMPANGAN, DISPERSI, DAN VARIASI
MAS 201
Oleh
Lisnur Wachidah, dkk

DAFTAR ISI
1.
2.
3.
4.
5.

Pengantar
Kompetensi Dasar
Tujuan Pembelajaran
Indikator
Kegiatan belajar
5.1 Rentang, Rentang antar Kuartil, Simpangan Kuartil
5.2 Rata-rata Simpangan
5.3 Simpangan Baku
5.4 bilangan Baku dan Koefisien Variasi

6. Latihan
7. Daftar Pustaka

Halaman
101
101
101
101
102
102
103
104
111
114
115

Bab 6: Ukuran Simpangan, Dispersi, dan Variasi

Bab

UKURAN SIMPANGAN,
DISPERSI, DAN VARIASI
1. Pengantar
Kecuali ukuran gejala pusat dan ukuran letak, masih ada lagi ukuran lain ialah
ukuran simpangan atau ukuran dispersi. Ukuran ini kadang-kadang dinamakan pula
ukuran variasi, yang menggambarkan bagaimana berpencarnya data kuantitatif.
Beberapa ukuran dispersi yang terkenal dan akan diuraikan di sini ialah : rentang,
rentang antar kuartil, simpangan kuartil atau deviasi kuartil, rata-rata simpangan atau ratarata deviasi, simpangan baku atau deviasai standar, varians dan koefisien variasi.

2. Kompetensi Dasar
Mahasiswa dapat mengentahui penggunaan ukuran simpangan, dispersi dan
variasi.

3. Tujuan Pembelajaran
Mahasiswa memahami ukuran simpangan dan dapat menggunakannya sesuai
dengan masalah yang dihadapi.

4. Indikator
Mahasiswa dapat menggunakan dan menghitung rumus ukuran simpangan
Mahasiswa dapat memilih ukuran simpangan yang sesuai untuk masalah yang
dihadapi

Buku Ajar

101

Bab 6: Ukuran Simpangan, Dispersi, dan Variasi

5. Kegiatan Belajar
5.1. Rentang, rentang Antar Kuartil dan Simpangan Kuartil
Ukuran variasi yang paling mudah ditentukan ialah rentang. Ini sudah digunakan
dalam Materi Pokok IV, bagian 4.2, ketika membuat daftar distribusi frekuensi.
Rumusnya adalah :
Rentang = data terbesar data terkecil

(6.1)

Contoh : Untuk ke 80 data yang ada Materi Pokok IV Bagian 2 dengan data
terbesar = 99 dan data terkecil = 35, maka rentangnya = 99 35 = 64.
Karena mudahnya dihitung, rentang ini banyak sekali digunakan dalam cabang
lain dari statistika, ialah statistika industri.
Rentang antar kuartil juga mudah ditentukan, dan ini merupakan selisih antara K 3
dan K1.
Jadi didapatlah hubungan :
RAK = K3 K1
Dengan RAK

(6.2)

= rentang antar kuartil,

K3

= kuartil ketiga

K1

= kuartil pertama,

Contoh : Daftar berikut menyatakan upah tiap jam untuk 65 pegawai di suatu
pabrik.

Buku Ajar

Upah (Rupiah)

fi

50,00 59,99

60,00 69,99

10

70,00 79,99

16

80,00 89,99

14

90,00 99,99

10

100,00 109,99

110,00 119,99

JUMLAH

65

102

Bab 6: Ukuran Simpangan, Dispersi, dan Variasi

Dengan rumus (6.17), nilai-nilai K1 dan K3 dapat dihitung. Hasilnya


K1 = Rp. 68,25 dan
K3 = Rp. 90,75
Dari rumus (6.2), maka RAK = Rp. 22,50
Ditafsirkan bahwa 50% dari data, nilainya paling rendah 68,25 dan paling tinggi
90,75 dengan perbedaan paling tinggi 22,50
Simpangan kuartil atau deviasi kuartil atau disebut pula rentang semi antar kuartil,
harganya setengah dari rentang antar kuartil. Jadi, jika simpangan kuartil disingkat
dengan SK, maka :
SK = ( K3 K1 )

(6.3)

Contoh : dari daftar (6.1), jelas didapat :


SK = ( Rp. 90,75 Rp. 68,25 ) = Rp. 11,25
Selanjutnya, karena ( K3 K1 ) = Rp. 79,50, maka 50% dari
pegawai mendapat upah terletak dalam interval Rp. 79,50% Rp. 11,25 atau
antara Rp. 68,25 dan Rp. 90,75.

5.2. Rata-rata Simpangan


Misalkan data hasil pengamatan berbentuk x1, x2 , , xn dengan rata-rata x .
Selanjutnya kita tentukan jarak antara tiap data dengan rata-rata x . Jarak ini,
dalam simbol ditulis | xi - x | ( baca : harga mutlak dari selisih xi dengan x ).
Dengan |a| berarti sama dengan a jika a positif, sama dengan a jika a negatif
dan nol jika a = 0. Jadi harga mutlak, selalu memberikan tanda positif, karena
inilah | xi - x | disebut jarak antara xi dengan x . Jika sekarang jarak-jarak :
| x1 - x |, | x2 - x |, , | xn - x | dijumlahkan, lalu dibagi oleh n, maka
diperoleh satuan yang disebut rata-rata simpangan atau rata-rata deviasi. Rumusnya
adalah :

RS =

| x

- x|

(6.4)

dengan RS berarti = rata-rata simpangan.

Buku Ajar

103

Bab 6: Ukuran Simpangan, Dispersi, dan Variasi

Meskipun ukuran in tidak akan digunakan di dalam buku ini, untuk menjelaskan
Rumus (6.4) diberikan sebuah contoh berikut :

x1

xi - x

| xi - x |

-1

-2

10

11

Dari data disamping ini, jika dihitung, rata-ratanya = 9. Jumlah harga-harga


mutlaknya, yaitu jumlah bilangan-bilangan dalam kolom akhir adalah 6.
Maka RS =

6
=1,5
4

5.3 Simpangan Baku


Barangkali ukuran simpangan yang paling banyak digunakan adalah simpangan
baku atau deviasi standar.
Pangkat dua dari simpangan baku dinamakan varians. Untuk sampel, simpangan
baku diberi simbol s, sedangkan untuk populasi diberi simbol (baca : sigma).
Variasnya tentulah s2 untuk varians sampel dan 2 untuk varians populasi.
Jelasnya, s dan s2 merupakan statistik sedangkan dan 2 parameter.
Jika kita mempunyai sampel berukuran n dengan data x1, x2, , xn dan rata-rata
x , maka statistik s2 dihitung dengan :

s =

| x

- x|

n -1

(6.5)

Untuk mencari simpangan baku s, dari s2 diambil harga akarnya yang positif.

Buku Ajar

104

Bab 6: Ukuran Simpangan, Dispersi, dan Variasi

Dari rumus (6.5), varians s2 dihitung sebagai berikut :


1) Hitung rata-rata x
2) Tentukan selisih x1 - x , x2 - x , , xn - x
3) Tentukan kuadrat selisih tersebut, yakni (x1 - x )2 , (x2 - x )2 , (xn - x )2
4) Kuadrat-kuadrat tersebut dijumlahkan
5) Jumlah tersebut dibagi oleh (n 1)

Contoh : Diberikan sampel dengan data : 8 , 7 , 10 , 11 , 4.


Untuk menentukan simpangan baku s kita buat tabel berikut :

xi

x1 - x

(x1 - x )2

(1)

(2)

(3)

-1

10

11

-4

16

Rata-rata x = 8
Dapat dilihat dari kolom (2), bahwa ( x1 - x ) = 0. Karena itulah di sini diambil
kuadratnya yang dituliskan dalam kolom (3).
Didapat ( x1 - x )2 = 30
Dengan menggunakan rumus (6.5) didapat :
s2 =

30
= 7,5 sehingga s = 7,5 = 2,74
4

Bentuk lain untuk rumus varians sampel ialah :


n xi2 ( x1 )

s =
2

Buku Ajar

n(n 1)

(6.6)

105

Bab 6: Ukuran Simpangan, Dispersi, dan Variasi

Dalam rumus di atas nampak bahwa tidak perlu dihitung dulu rata-rata x , tetapi
cukup menggunakan nilai data aslinya berupa jumlah nilai data dan jumlah
kuadratnya. Jika digunakan untuk data di atas, maka dari tabel ini dihasilkan :

xi

xi2

64

49

10

100

11

121

16

40 = xi 350 = xi2

xi = 40 dan xi2 = 350.


Dengan n = 5, dari rumus (6.6) didapat varians
s2 =

5 x 30 (40) 2
= 7,5
5x4

dan simpangan baku s = 7,5 = 2,74


Sangat dianjurkan bahwa menghitung simpangan baku lebih baik menggunakan
rumus (6.6) karena kekeliruannya lebih kecil.
Jika data dari sampel telah disusun dalam daftra distribusi frekuensi, maka untuk
menentukan variuans s2 dipakai rumus :
2

s =

f ( x
i

- x)

(6.7)

n -1

atau yang lebih baik digunakan :


n f i x i - ( f i xi )
2

s =

n (n - 1)

(6.8)

dengan tanda x1 = tanda kelas, fi =- frekuensi yang sesuai dengan tanda kelas xi
dan n = fi.

Buku Ajar

106

Bab 6: Ukuran Simpangan, Dispersi, dan Variasi

Rumus (6.7) menggunakan rata-rata x sedangkan Rumus (6.8) hanya


menggunakan nilai tengah atau tanda kelas interval.
Contoh : Untuk menghitung varians s2 dari data dalam Daftar (5.4) tentang nilai
ujian 80 mahasiswa, dengan rumus (6.7), lebih baik dibuat tabel berikut.

xi x

(xi x )2

fi (xi x )2

(3)

(4)

(5)

(6)

31 40

1 35,5

-41,1

1689,21

1.689,21

41 50

2 45,5

-31,1

967,21

1.834,42

51 60

5 55,5

-21,1

445,21

2.226,05

61 70

15 65,5

-11,1

123,21

1.848,15

71 80

25 75,5

-1,1

1,21

30,25

81 90

20 85,5

8,9

79,21

1.548,20

91 100

12 95,5

18,9

Nilai Ujian

fi

xi

(1)

(2)

Jumlah

80

357,21 4.286,52000
-

13.498,80

Telah dihitung, harga x = 76,6


Komlom (3) merupakan tanda kelas, kolom (4) adalah tiap tanda kelas dalam
kolom (3) dikurangi 76,6 dan kolom (5) merupakan kuadrat bilangan-bilangan
dalam kolom (4) sedangkan kolom akhir sama dengan hasil kali kolom (2) dengan
kolom (5).
Didapat harga-harga :
N = fi = 80 dan fi(xi x )2 = 13.498,80 sehingga dengan rumus (6.7) didapat
varians
s2 =

13.498,80
= 170,9
79

Simpangan baku s = 170,9 =13,07

Buku Ajar

107

Bab 6: Ukuran Simpangan, Dispersi, dan Variasi

Untuk menggunakan rumus (6.8), menggunakan data yang sama, maka tabel yang
perlu dibuat adalah seperti di bawah ini :

xi x

(xi x )2

fi (xi x )2

(3)

(4)

(5)

(6)

31 40

1 35,5

-41,1

1689,21

1.689,21

41 50

2 45,5

-31,1

967,21

1.834,42

51 60

5 55,5

-21,1

445,21

2.226,05

61 70

15 65,5

-11,1

123,21

1.848,15

71 80

25 75,5

-1,1

1,21

30,25

81 90

20 85,5

8,9

79,21

1.548,20

91 100

12 95,5

18,9

Nilai Ujian

fi

xi

(1)

(2)

Jumlah

80

357,21 4.286,52000
-

13.498,80

Kolom (4) adalah kuadrat tanda-tanda kelas dalam kolom (3), kolom (5)
merupakan hasil kali kolom (2) dan kolom (3) dan kolom akhir adalah produk
antara kolom (2) dan kolom (4). Dari tabel di dapat :
N = fi = 80 dan fixi = 6.130 dan fi (xi x )2 = 483.310
Sehingga dari rumus (6.8) diperoleh varians
80 x 483.310 (6.130) 2
s =
=172,1
89 x 79
2

Hasilnya berbeda dengan hasil dari rumus (6.7), karena x yang digunakan di
rumus (6.7) telah dibulatkan hingga satu desimal, yang dengan sendirinya akan
menyebabkan adanya perbedaan.
Cara singkat atau cara sandi, seperti ketika menghitung rata-rata x , lihat rumus
(6.5), dapat digunakan juga untuk menghitung varians sehingga perhitungan akan
lebih sederhana. Rumusnya adalah :

n f i ci 2 (f i ci ) 2

s = p

n
(
n

1
)

(6.9)

Dengan p = panjang kelas interval


ci = nilai sandi dan n = fi

Buku Ajar

108

Bab 6: Ukuran Simpangan, Dispersi, dan Variasi

Contoh :
Untuk data dalam tabel yang lalu, jika dipakai rumus (6.9) ini, maka diperlukan
tabel berikut :

ci 2 fi ci fi ci2

Nilai Ujian

fi

xi

(1)

(2)

(3) (4) (5)

ci

(6)

(7)

31 40

1 35,5

-4

16

-4

16

41 50

2 45,5

-3

-6

18

51 60

5 55,5

-2

4 -10

20

61 70

15 65,5

-1

1 -15

15

71 80

25 75,5

81 90

20 85,5

20

20

91 100

12 95,5

24

48

Jumlah

80

137

Dari tabel ini didapat p = 10, n = fi = 80, fi ci = 9 dan fi ci2 = 137,


sehingga didapat varians
80 x137 (9) 2
=172,1
s 2 = (10) 2
80 x 79

Hasilnya sama dengan bila menggunakan rumus (6.8)


Ini memang demikian! Membandingkan rumus (6.8) dan rumus (6.9), sebenarnya
yang terakhir didapat dari yang pertama dengan menggunakan transformasi
x x
ci = i 0 berdasarkan sifat :
p
1) Jika tiap nilai data xi ditambah atau dikurangi dengan bilangan yang sama,
maka simpangan baku s tidak berubah
2) Jika tiap nilai data xi dikalikan dengan bilangan yang sama d, maka simpangan
bakunya menjadi d kali simpangan baku yang asal.

Buku Ajar

109

Bab 6: Ukuran Simpangan, Dispersi, dan Variasi

Contoh :
Diberikan sampel dengan data : 9, 3, 8, 8, 9, 8, 9, 18. Setelah dihitung, maka s=
4,14;
a) Tambah tiap data dengan 6 atau berapa saja, maka untuk data baru s = 4,14
b) Kurangi tiap data dengan 5 atau berapa saja, maka untuk data baru s = 4,14
c) Kalikan tiap data dengan 6, maka untuk data baru s = 24,84
d) Bagi tiap data dengan 1/2 , maka untuk data baru s = 8,28
Selanjutnya, sebagaimana halnya dalam rata-rata kita dapat menghitung rata-rata
gabungan (lihat rumus (5.3), Materi Pokok V), maka untuk simpangan baku pun
kita dapat menentukan simpangan baku gabungan. Jika ada k buah sub sampel
dengan keadaan berikut :
Subsampel 1 : berukuran n1 dengan simpangan baku s1
Subsampel 2 : berukuran n2 dengan simpangan baku s2
M
Subsampel k : berukuran nk dengan simpangan baku sk
Yang digabungkan menjadi sebuah sampel berukuran n = n1 + n2 + +nk ,
maka simpangan baku untuk sampel ini merupakan simpangan baku gabungan yang
dihitung dengan rumus :

( ni 1) si
s =
ni k

(6.10)

Atau lengkapnya :

2
2
2
(
n1 1)s1 + (n2 1)s 2 + ...+ (nk 1)s k
=

n1 + n2 + ... + nk k

Dengan s2 berarti varians gabungan untuk sampel yang berukuran n.

Buku Ajar

110

Bab 6: Ukuran Simpangan, Dispersi, dan Variasi

Contoh :
Hasil pengamatan pertama terhadap 14 objek memberikan s = 2,75 sedangkan
pengamatan yang kedua kalinya terhadap 23 objek menghasilkan s = 3,08. Maka
dengan rumus (6.10) untuk k = 2 , didapat varians gabungan

(
14 1)(2,75) 2 + (23 1)(3,08) 2
=
14 + 23 2

= 8,7718

Sehingga simpangan baku gabungan s = 2,96

5.4. Bilangan Baku dan Koefisien Variasi


Misalkan kita mempunyai sebuah sampel berukuran n dengan data x1, x2, , xn
sedangkan rata-ratanya x dan simpangan baku = s. Dari sini kita dapat
membentuk data baru z1, z2, , zn dengan rumus :

zi =

xi x
s

untuk i = 1, 2, , n

(6.11)

Jadi diperoleh penyimpangan atau deviasi data dari rata-rata dinyatakan dalam
satuan simpangan baku. Bilangan yang didapat dinamakan bilangan z. Variabel z1,
z2, , zn ternyata mempunyai rata-rata = 0 dan simpangan baku = 1.
Dalam penggunaannya, bilangan z ini sering diubah menjadi keadaan atau model
baru, yang ternyata distribusi baru, yang mempunyai rata-rata x 0 dan simpangan
baku s0 dengan rumus :
x x
z i = x 0 + s0 i

(6.12)

Perhatikan bahwa untuk x 0 = 0 dan s0 = 1, rumus (6.12) menjadi rumus (6.11),


sehingga bilangan z sering pula disebut bilangan standar.

Buku Ajar

111

Bab 6: Ukuran Simpangan, Dispersi, dan Variasi

Contoh :
1) Dalam psikologi, test Wechsler-Bellevue diubah ke dalam bilangan baku dengan
rata-rata = 10 dan simpangan baku = 3
2) Test klasifikasi umum tentara di Amerika Serikat biasa dijadikan bilangan
baku dengan rata-rata = 100 dan simpangan baku = 20
3) Graduate Record Examination di USA dinyatakan dalam bilangan standar
dengan rata-rata = 500 dan simpangan baku = 100
Bilangan baku sering dipakai untuk membandingkan keadaan distribusi
fenomena.
Contoh :
Seorang mahasiswa mendapat nilai 86 pada ujian akhir matematika di mana ratarata dan simpangan baku kelompok masing-masing 78 dan 10. Pada ujian akhir
statistika di mana rata-rata kelompok 84 dan simpangan baku 18, ia mendapat
nilai 92. Dalam mata ujian mana ia mencapai kedudukan yang lebih baik ?
Jawab :
Dengan rumus (6.11) didapat bilangan baku :
Umtuk matematika z =
Untuk statistika

z=

86 78
= 0.8
10
92 84
= 0,44
18

Mahasiswa itu mendapat 0,8 simpangan baku di atas rata-rata nilai nilai
matematika dan hanya 0,4 simpangan baku di atas rata-rata nilai statistika.
Kedudukannya lebih tinggi dalam hal matematika.

Kalau saja nilai-nilai di atas ke dalam bilangan angka baru dengan rata-rata 100
dan simpangan baku 20, maka :
80 78
Untuk matematika z =100 + 20
=116
10
Untuk statsistika

92 84
z =100 + 200
=108,9
18

Dalam sistem ini ia lebih unggul dalam matematika

Buku Ajar

112

Bab 6: Ukuran Simpangan, Dispersi, dan Variasi

Ukuran variasi atau disversi yang diuraikan dalam bagian-bagian lalu merupakan
disperse absolute. Variasi 5 cm untuk ukuran jarak 100 m dan variasi 5 cm untuk
ukuran jarak 20 m jelas mempunyai pengaruh yang berlainan. Untuk mengukur
pengaruh demikian dan untuk membandingkan variasi antara nilai-nilai kecil,
digunakan disperse relative yang ditentukan oleh :
Dispersi Relatif =

Dispersi Absolut
Rata rata

(6.13)

Jika untuk dispersi absolut diambil simpangan baku,maka didapat koefisien variasi,
disingkat KV. Rumusnya, dinyatakan dalam persen, berbentuk :

KV =

simpangan baku
x100%
rata rata

Koefisien variasi tidak bergantung pada satuan yang digunakan, karenanya dapat
dipakai untuk membandingkan variasi relatif beberapa kumpulan data dengan
satuan yang berbeda.
Contoh :
Semacam lampu elektron rata-rata dapat dipakai selama 3.500 jam dengan
simpangan baku 1.050 jam. Lampu model lain rata-ratanya 10.000 jam dengan
simpangan baku 2.000 jam.

KV (lampu pertama ) =

1.020
x 100% = 30%
3.500

KV (lampu kedua )

2.000
x100% = 20%
10.000

Ternyata lampu kedua secara relative mempunyai masa pakai yang lebih uniform.

Buku Ajar

113

Bab 6: Ukuran Simpangan, Dispersi, dan Variasi

6.

Latihan

1.

Sebutkan apakah kegunaan ukuran dispersi atau ukuran variasi itu!


Sebutkan pula macamnya yang dikenal.

2.

Definisikan atau rumuskan ukuran-ukuran variasi berikut :


a. Rentang
b. rentang antar kuartil
c. deviasi kuartil
d. koefisien variasi
e. rata-rata simpangan
f. simpangan baku
g. varians

3.

Berikan hubungan yang ada antara rentang dan rata-rata hitung.

4.

Sebuah sampel berukuran n memberikan simpangan baku s. Tiap nilai


data sekarang :
a. ditambah dengan 10
b. dikurangi dengan 10
c. dikalikan 10
d. dibagi 10

5.

Hasil pengamatan memberikan harga-harga K1 = 140 dan K3 = 196.


Apakah artinya :
a. K3 K1
b. (K3 K1)
Ukuran-ukuran apakah itu ?

6.

Diberikan data : 12, 8, 9, 10, 14, 15, 8, 10, 12.


Hitunglah :
a. rata-rata simpangan
b.

simpangan baku

c.simpangan baku beberapa kali rata-rata simpangan


Buku Ajar

114

Bab 6: Ukuran Simpangan, Dispersi, dan Variasi

7.

Hitunglah varians untuk umur, tinggi dan berat 100 laki-laki yang
datanya diberikan dalam soal 6, Materi Pokok IV

8.

Koefisien variasi hasil pengamatan yang terdiri atas 100 obyek besarnya
20%. Rata-ratanya tiga lebihnya dari simpangan bakunya. Tentukan
rata-rata sampel itu.

9.

Didapat hasil ujian sejarah untuk 40 mahasiswa :


63

78

85

95

77

62

93

90

81

57

97

61

75

87

73

82

67

80

62

78

65

79

84

80

85

53

71

83

68

38

85

76

77

74

75

71

60

93

70

68

a. Hitunglah rata-rata dan simpangan baku


b. Jadikan data dia atas ke dalam bilangan baku dengan rata-rata 10
dan simpangan baku = 3
c. Kalau dalam system bilangan baku ini, nilai lulus ditentukan paling
kecil 15, ada berapa orang yang lulus.
10.

7.

Ada tiga calon masing-masing dating dari tiga sekolah tingkat akhir
yang berbeda. Di sekolahnya masing-masing calon A mendapat nilai
matematika 83 sedangkan rata-rata kelsnya 62 dan simpangan baku 16.
Calon B mendapat nilai 97 dengan rata-rata kelas 83 dan simpangan
baku 23, sedangkan calon C mendapat nilai 87 dengan rata-rata kelas 65
dan simpangan baku 14. Salah satu calon ini akan dipilih berdasarkan
system dengan rata-rata 500 dan simpangan baku 100. Calon mana
sebaiknya yang didahulukan diterima ?

Daftar Pustaka
1. Bart, Albert E, 1998. Basic Statistical Concept, Third Edition, Memillian
Publishing Company, New York
2. Bhattaraya, G.K, and Johnsons, R.A., 1996. Statistical Principles and Methode,
John Wiley and Sons, New York
3. Hogg and Tanis, 2001. Probability and Statistical Inference, Prentice Hall.
Inc., USA

Buku Ajar

115

Bab 6: Ukuran Simpangan, Dispersi, dan Variasi

Buku Ajar

116

MATERI POKOK VII


PELUANG
MAS 201
Oleh :
Lisnur Wachidah , dkk
DAFTAR ISI
Halaman
1. Pengantar
2. Kompetensi Dasar
3. Tujuan Pembelajaran
4. Indikator
5. Kegiatan belajar
5.1 Pengertian
5.2 Istilah-istilah
5.3 Definisi Peluang
5.3.1 Definisi Peluang Klasik
5.3,2 Definisi Peluang Empirik
5.4 Hukum-Hukum (Aturan Peluang)
6. Latihan
7. Daftar Pustaka

117
117
117
117
117
117
118
119
119
120
120
125
126

Bab 7: Peluang

Bab

PELUANG
1. Pengantar
Pada bab ini, mahasiswa mempelajari unsur-unsur peluang, antara lain pengertian
peristiwa, ruang sampel, titik sampel, definisi peluang, dan aturan peluang. Materi
ini merupakan pengetahuan dasar untuk pembahasan materi yang akan datang.

2. Kompetensi Dasar
Mahasiswa dapat memahami pengertian peristiwa, ruang sampel, titik sampel dan
penggunaan peluang suatu peristiwa.

3. Tujuan Pembelajaran
Menjelaskan dasar-dasar pengertian : peristiwa, ruang sampel, titik sampel, definsi
peluang : secara klasik, secara empiris ; hukum-hukum peluang beserta
penggunaanya.

4. Indikator
Mahasiswa dapat menjelaskan kembali pengertian peristiwa, dapat menentukan :
ruang sampel, titik sampel ; menghitung peluang suatu peristiwa.

5. Kegiatan Belajar
5.1 Pengertian
Dalam kehidupan kita sehari-hari sering kita melontarkan perkataan mungkin.
Perkataan mungkin tersebut mengisyaratkan bahwa kita berhadapan dengan
peristiwa yang tidak pasti, apakah bakal terjadi atau tidak terjadi.

Buku Ajar

117

Bab 7: Peluang

Apabila pada peristiwa yang tidak pasti kita mencantumkan nilai numeric atau
bilangan yang besarnya antara 0 dan 1 kepada kemungkinan tersebut, maka
kemungkinan itu sudah menjadi peluang, Oleh karena itu, secara sederhana dapat
dikatakan bahwa yang dimaksud dengan peluang (probability) adalah kemungkinan
yang sudah diberi nilai numerik.

5.2 Istilah-istilah
a. Anak yang akan dilahirkan oleh seorang Ibu, kemungkinan jenis kelaminnya
laki-laki (L) atau perempuan (P). L dan P merupakan keseluruhan
kemungkinan yang terjadi.Himpunan (set) yang berisikan keseluruhan
kemungkinan peristiwa yang dapat terjadi disebut ruang sampel (sampel space).
Secara matematika dapat ditulis S = { L , P }
b. Bayi yang lahir mungkin laki-laki ( L ) atau perempuan ( P ) mempunyai
kesempatan yang sama. Peristiwa-peristiwa yang mempunyai kesempatan
yang sama untuk terjadi disebut equally likely.
c.

Unsur-unsur (elemen-elemen) yang ada dalam ruang sampel disebut titik


sampel (sampel point). Jadi dalam ruang sampel SA ada dua buah titik sampel
ialah L dan P

d. Apabila bayi yang lahir adalah L, maka bayi P tidak lahir. Ini artinya L dan P
saling menghilangkan. Titik-titik sampel yang saling menghilangkan, disebut
mutually exclusive (saling eksklusif)
Contoh yang lain:
1. Sebuah mata uang yang terdiri atas Tampak Huruf (H) dan Tampak Gambar
(G) dilantunkan satu kali.Himpunan (set) yang berisikan keseluruhan
kemungkinan peristiwa yang tampak H atau G adalah S = {H,G}. Jadi ruang
sampel S di atas terdiri atas 2 titik sampel.
2. Sebuah dadu bermuka enam, yang terdiri atas muka 1, muka 2, muka 3, muka
4, muka 5, dan muka 6., dilantunkan satu kali. Himpunan (set) yang berisikan
keseluruhan kemungkinan peristiwa nomor muka yang muncul di atas adalah
S ={1,2,3,4,5,6}. Jadi ruang sampel S di atas terdiri atas 6 buah titik sampel.
Apabila A menyatakan barang yang dihasilkan adalah rusak, maka
A menyatakan barang yang dihasilkan adalah tidak rusak. Jadi dua peristiwa
tersebut dinamakan saling eksklusif
Apabila B menyatakan peristiwa yang terjadi, maka B menyatakan peristiwa
yang tidak terjadi. Peristiwa-peristiwa B dan B adalah saling menghilangkan (
saling eksklusif)

Buku Ajar

118

Bab 7: Peluang

5.3 Definisi Peluang


5.3.1 Definisi Klasik Peluang
Misalkan sebuah peristiwa E dapat terjadi sebanyak n kali diantara N peristiwa
yang mutually exclusif (saling eksklusif) dan masing-masing terjadi dengan
n
kesempatan yang sama. Maka peluang peristiwa E terjadi adalah
, dan ditulis
N
n
dalam bentuk P(E) =
N
Contoh :
a. Jumlah mahasiswa Jurusan Staistika Tahun Akademik 2002/2003 ada 40
orang, yang terdiri dari 25 orang laki-laki dan 15 orang perempuan. Masingmasing mahasiswa mempunyai Kartu Tanda Mahasiswa (KTM), yang
berwarna, bahan, ukuran , dan bentuknya sama. Kartu-kartu Tanda
mahasiswa disimpan dalam sebuah kotak dan setelah terkumpul semua lalu
diaduk.
Pada suatu saat, seorang mahasiswa mengambil sebuah kartu dari kotak
tersebut. Berapakah peluang bahwa kartu yang terambil tersebut kepunyaan
mahasiswa perempuan ?
Misal A adalah peristiwa KTM kepunyaan mahasiswa perempuan. Maka
P(A) =

15
40

b. Sebuah mata uang yang terdiri atas Huruf (H) dan Gambar (G) dilantunkan 1
1
kali, maka P(H) =P(G) =
2
c. Sebuah dadu bermuka enam, yang terdiri atas muka 1, muka 2, muka 3, muka
4, muka 5, dan muka 6. Maka P(muka 1) = P(muka 2) = P(muka 3) =
1
P(muka 4) = P(muka 5) = P(muka 6) =
6
d. Sebuah kotak berisi 15 kelereng berwarna merah, 10 kelereng berwarna
kuning, dan 20 kelereng berwarna hitam. Kelereng dalamkotak tersebut
diaduk,lalu diambil sebuah kelereng tanpa melihat ke dalam kotak atau
dengan mata ditutup. Maka peluang kelereng berwarna merah terambil adalah
15
15
atau ditulis P(kelereng berwarna merah) =
. Sedangkan P(kelereng
45
45
10
20
berwarna kuning) =
dan P(kelereng berwarna kuning) =
45
45

Buku Ajar

119

Bab 7: Peluang

5.3.2 Definisi Empirik Peluang


Apabila dari N buah rentetan peristiwa yang terjadi terdapat t buah peristiwa A,
maka peluang bahwa peristiwa A akan terjadi didefinisikan sebagai :
P(A) = lim

t
N

(7.1)

Atau dengan kata lain :


Definisi :
Kita perhatikan frekuensi relatif tentang terjadinya sebuah peristiwa untuk
sejumlah pengamatan. Maka peluang peristiwa itu adalah limit dari frekuensi
relatif apabila jumlah pengamatan diperbesar sampai tak hingga banyaknya.
Contoh :
Sebuah mata uang dilantunkan 100 kali, misalnya tampak huruf (H) sebanyak 58
58
= 0,58. Selanjutnya lantunkan 200
kali. Maka frekuensi relatif tampak H =
100
110
kali, ternyata tanpak H sebanyak 110 kali. Maka frekuensi relatif H =
= 0,55.
200
Apabila dilakukan 400 kali ternyata tampak H sebanyak 230 kali, Maka frekuensi
230
tampak H =
= 0,575. Apabila proses tersebut diteruskan, maka nilai
400
frekuensi relatif akan dekat kepada sebuah bilangan yang merupakan peluang
1
tampak H, ialah P(tampak H) = .
2

5.4 Hukum-hukum (aturan) Peluang


a. Apabila A merupakan sebuah peristiwa yang pasti terjadi, maka peluang
peristiwa A adalah P(A) = 1
b. Apabila A merupakan sebuah peristiwa yang tidak terjadi, maka peluang
peristiwa A adalah P(A) = 0
c. Akibat dari pernyataan a dan b, apabila A merupakan suatu peristiwa, maka
berlaku 0 P(A) 1.
d. Apabila A merupakan sebuah peristiwa dan A merupakan bukan peristiwa
A, maka diperoleh P(A) = 1 P(A) atau P( A ) = 1 P(A) atau P(A) + P( A )
= 1. Peristiwa-peristiwa A dan A dikatakan saling berkomplemen. Peristiwa
A dan A juga merupakan dua peristiwa yang saling menghilangkan atau

Buku Ajar

120

Bab 7: Peluang

saling eksklusif, karena terjadinya peristiwa A menghindarkan terjadinya


peristiwa A dan sebaliknya.
Contoh :
Seorang mahasiswa mengikuti ujian mata kuliah Metoda Statistika 1. Jika
peluang lulus mahasiswa tersebut adalah 0,75. Berapakah peluang mahasiswa
tersebut tidak lulus mata kuliah Metoda Statistika 1 ?
Penyelesaian :
Peluang mahasiswa tidak lulus : P( A ) = 1 0,75
= 0,25
e. Peristiwa-peristiwa yang saling ekslusif dihubungkan dengan kata atau. Oleh
karena itu berlaku aturan : Apabila i buah peristiwa A1, A2, , Ai saling
ekslusif, maka peluang terjadinya peristiwa A1 , atau A2 , atau , Ai sama
dengan jumlah peluang tiap peristiwa. Dalam rumus ditulis :
P(A1 atau A2 atau atau Ai) = P(A1) + P(A2) + + P(Ai)

(7.2)

Contoh :
1. Sebuah mata uang dilantunkan satu kali. Berapa peluang tampak
muka H atau G ?
P(H atau G) = P(H) + P(G)
=

1 1
+ =1
2 2

2. Sebuah kotak berisi 8 buah kelereng putih, 10 buah kelereng


berwarna merah, dan 15 buah kelereng berwarna hitam. Isi kotak
diaduk,lalu seorang mengambil sebuah kelereng dalam kotak tersebut.
Berapa peluang akan terambil kelereng berwarna merah atau hitam ?
Misalkan X = terambil kelereng berwana putih
Y = terambil kelereng berwarna merah
Z = terambil kelereng berwarna hitam
X, Y, Z merupakan peristiwa-peristiwa yang saling eksklusif.
Sehingga diperoleh :

Buku Ajar

121

Bab 7: Peluang

P(X) =

8
8
=
8 + 10 + 15 33

P(Y) =

10
10
=
8 + 10 + 15 33

P(Z) =

15
15
=
8 + 10 + 15 33

Maka peluang akan terambil kelereng berwarna merah atau hitam


adalah :
P(Y atau X) = P(Y) + P(X)
=

10 15 25
+ =
33 33 33

f. Dua peristiwa mempunyai hubungan bersyarat, jika peristiwa yang satu


menjadi syarat terjadinya peristiwa yang lain. Misalnya A dan B adalah dua
peristiwa, peristiwa A terjadi dengan didahului terjadinya peristiwa B, dapat
ditulis A|B. dalam peluang, apabila peluang terjadinya peristiw A dengan
syarat B atau didahului terjadinya peristiwa B, dapat ditulis P(A|B)
Apabila terjadinya atau tidak terjadinya peristiwa B tidak mempengaruhi
terjadinyaperistiwa A, maka A dan B dinamakan peristiwa-peristiwa bebas.
Apabila kita tulis A dan B adalah peristiwa-peristiwa A dan B kedua-duanya
terjadi, maka peluang bersyarat diperoleh :
P(A dan B) = P(B). P(A|B)

(7.3)

Contoh :
Dalam sebuah kotak berisi 23 buah kelereng yang bentuk, ukuran, dan bahan
baku yang sama. Dari 23 buah kelereng tersebut, 15 buah kelereng
diantaranya berwarna hitam, dan sisanya (8 buah kelereng) berwarna merah.
Dari dalam kotak tersebut diambil 2 buah kelereng secara berturut-turut.
Berapa peluangnya bahwa kelereng yang terambil pertama kelereng berwarna
hitam, dan yang terambil kedua adalah kelereng berwarna merah.

Buku Ajar

122

Bab 7: Peluang

Jawab :
Misalkan A : Pengambilan kelereng pertama berwarna merah
B : Pengambilan kelerenmg kedua berwarna hitam

Maka peluang terambil pertama kelereng berwarna hitam dan terambil kedua
kelereng berwarna merah adalah :
P(A dan B) = P(A).P(B|A)
=

15 8
. = 0, 23715
23 22

g. Apabila peristiwa A dan peristiwa B merupakan dua buah peristiwa yang


saling bebas atau independen, maka berlaku :
P(A dan B) = P(A) . P(B)

(7.4)

Dua peristiwa A dan peristiwa B merupakan dua buah peristiwa yang saling
bebas, apabila terjadi peristiwa A tidak mempengaruhi terjadinya peristiwa B,
atau terjadinya peristiwa B tidak mempengaruhi terjadinya peristiwa A.
Peristiwa-peristiwa yang saling bebas, dihubungkan dengan kata dan. Oleh
karena itu, berlaku aturan : Apabila i bukan peristiwa A1, A2 , , Ai yang
saling bebas, maka peluang terjadinya peristiwa A1 dan A2 dan dan Ai
adalah :
P(A1 dan A2 dan dan Ai) = P(Ai) . P(A2) .P(Ai)

(7.5)

Contoh :
1. Peluang A akan hidup 15 tahun lagi adalah 0,70
Peluang B akan hidup 15 tahun lagi adalah 0,55
Berapa peluang A dan B akan hidup dalam waktu 15 tahun lagi ?
Jawab :
Peluang A dan B akan hidup dalam waktu 15 tahun lagi adalah
P(A dan B) = P(A) . P(B)
= 0,70 . 0,55
= 0,385

Buku Ajar

123

Bab 7: Peluang

2. Sepasang suami isteri mempunyai dua orang anak. Berapa peluang bahwa
anak yang pertama laki-laki dan anak yang kedua laki-laki.
Jawab :
Misalkan A adalah anak yang lahir pertama laki-laki maka
P(A) =

1
2

B adalah anak yang lahir kedua laki-laki maka P(B) =

1
2

Peluang anak yang lahir pertama laki-laki dan anak yang lahir kedua laki-laki
adalah :
P(A dan B) = P(A) . P(B)
=

1 1
.
2 2

1
4

h. Apabila peristiwa A dan B merupakan dua buah peristiwa yang mempunyai


hubungan inklusif, maka berlaku hubungan atau A dan B atau keduaduanya terjadi, berlaku rumus :
P(A dan atau B) = P(A) + P(B) P(A dan B)

(7.6)

Contoh :
Penduduk RW 12 kecamatan X terdiri atas 250 keluarga 130 keluarga
berlangganan Harian Kompas, 140 keluarga berlangganan Harian Pikiran
Rakyat, dan 60 keluarga berlangganan Harian Kompas dan Harian Pikiran
Rakyat. Berapa peluangnya bahwa keluarga tersebut yang berlangganan
Harian Kompas atau Harian Pikiran Rakyat atau kedua-duanya.
Jawab :
A : Keluarga berlangganan Harian Kompas P(A) =

130
250

B : Keluarga berlangganan Harian Pikiran Rakyat P(B) =

Buku Ajar

140
250

124

Bab 7: Peluang

Peluang keluarga berlangganan Harian Kompas dan Harian Pikiran Rakyat


60
adalah P(A dan B) =
250
Peluang keluarga berlangganan Harian Kompas atau Harian Pikiran rakyat
atau kedua-duanya adalah :
P(A dan atau B) = P(A) + P(B) P(A dan B)
=

130 140 60
+
250 250 250

= 0,84

6. Latihan
1. Apa yang dimaksud dengan peristiwa :
a. Independen
b. Saling eksklusif
c. Bersyarat
d. Inklusif
2. Peluang seorang mahasiswa lulus ujian mata kuliah A sebesar 0,79.
berapakah peluang mahasiswa tersebut tidak lulus ujian mata kuliah A?
Rumus mana yang saudara gunakan!
3. Dari setumpuk kartu bridge, diambil sebuah kartu secara acak.
Berapakah peluang akan terambil :
a. Kartu bertanda Q
b. Kartu Heart
c.

Kartu Diamond

4. Peluang seekor sapi jantan akan hidup 4 tahunlagi adalah 0,86 dan
peluang seekor sapi betina akan hidup 4 tahun lagi adalah 0,77. Tentukan
peluang sapi jantan dan sapi betina akan hidup 4 tahun lagi .
5. Seorang penjual jam tangan memiliki 50 buah jam tangan merk X, 5
buah diantaranya palsu. Seseorang ingin membeli 2 buah dari penjual itu.

Buku Ajar

125

Bab 7: Peluang

Berapakah peluang pembeli itu mendapatkan jam tangan merk X yang


dibelinya asli semua
6. Satu mata uang (terdiri atas H dan G) dilantunkan 3 kali. Berapakah
peluang bahwa :
a. Hasil ketiga lantunan itu sama
b. Paling sedikit huruf (H) tampak dua kali
7. Dua buah dadu, satu hitam dan yang satu lagi putih dilantunkan bersamasama satu kali. Berapakah peluang bahwa jumlah angka yang tampak pada
kedua dadu tersebut :
a. 7 atau lebih
b. Kurang dari 5

7.

Daftar Pustaka
1. Bhattaraya, G.K, and Johnsons, R.A., 1996. Statistical Principles and Methode,
John Wiley and Sons, New York
2. Hogg and Tanis, 2001. Probability and Statistical Inference, Prentice Hall.
Inc., USA

Buku Ajar

126

MATERI POKOK VIII


DISTRIBUSI PELUANG
MAS 201
Oleh :
Lisnur Wachidah , dkk

DAFTAR ISI
Halaman
1.
2.
3.
4.
5.

Pengantar
Kompetensi Dasar
Tujuan Pembelajaran
Indikator
Kegiatan belajar
5.1 Pengertian
5.2 Distribusi Peluang Teoritik
5.2.1 Distribusi Peluang untuk Variabel Diskrit
5.2.2 Distribusi Peluang untuk Variabel Kontinu
6. Latihan
7. Daftar Pustaka

128
128
128
128
129
129
132
132
144
157
158

Bab 8: Distribusi Peluang

Bab

DISTRIBUSI PELUANG

1. Pendahuluan
Pada bab VII, mahasiswa mempelajari unsur-unsur peluang, yang merupakan
pengertian awal/dasar untuk pembahasan pada Bab VIII. Pada Bab VIII, mahasiswa
akan mempelajari distribusi peluang serta menghitung nilai peluangnya.

2. Standar Kompetensi
Mahasiswa memahami distribusi peluang : diskrit dan kontinu serta dapat
menyelesaikan persoalan mengenai distribusi peluang.

3. Tujuan Instruksional Khusus


Mahasiswa dapat menjelaskan kembali pengertian distribusi peluang diskrit, distribusi
peluang kontinu, dan dapat menghitung nilai peluang : distribusi peluang diskrit,
distribusi peluang kontinu.

4. Indikator
o Mahasiswa dapat menjelaskan kembali konsep-konsep dasar distribusi
peluang untuk variabel diskrit.
o Mahasiswa dapat menjelaskan kembali konsep-konsep dasar distribusi
binom, Multinomial, Hipergeometrik, Poisson

Buku Ajar

128

Bab 8: Distribusi Peluang

o Mahasiswa dapat menerapkan konsep distribusi binom, Multinomial,


Hipergeometrik, Poisson dalam kehidupan nyata
o Mahasiswa dapat menjelaskan kembali konsep-konsep dasar distribusi
peluang untuk variabel kontinyu.
o Mahasiswa dapat menjelaskan kembali konsep-konsep dasar distribusi
Normal, Student, chi kuadrat dan distribusi F Mahasiswa dapat membaca
distribusi Normal, Student, chi kuadrat dan distribusi F

5. Kegiatan Belajar
5.1 Pengertian
a.

Misalkan sepasang suami istri mempunyai 3 orang anak, maka akan terdapat 23
= 8 buah titik sampel. Susunan jenis kelamin 3 orang anak tersebut adalah :
LLL, LLP, LPL, PLL, PPP, PPL, PLP, LPP.

b.

Kita mengadakan perjanjian bahwa X merupakan variabel yang menyatakan


banyaknya anak laki-laki diantara 3 anak-anak tersebut. Maka akan diperoleh
nilai X dan peluangnya untuk ke-3 orang anak laki-laki adalah :
Tabel 8.1 Nilai Peluang Untuk Ke-3 Orang Anak Laki-laki

X = x1

P(x=X1)

1
8

3
8

1
0

3
8
1
8

Dalam statistika kalau kita berbicara variabel, maka yang dimaksud bukan
variabel dalam pengertian biasa, tetapi yang dimaksud adalah variabel random
atau variabel acak atau peubah acak.

Buku Ajar

129

Bab 8: Distribusi Peluang

Untuk mengerti apa sebenarnya yang dimaksud dengan variabel acak,


perhatikan uraian berikut ini :
Dari contoh peroalan pada bagian a dan b di atas, maka peluang benyaknya
anak laki-laki di antara 3 orang anak adalah :

Peluang diantara 3 orang anak tersebut ada 3 orang anak laki-laki adalah
P (3L) = P ( X = 3 )
=

1
8

Peluang diantara 3 orang anak tersebut ada 2 orang anak laki-laki adalah
P (2L) = P ( X = 2 )
=

3
8

Peluang diantara 3 orang anak tersebut ada 1 orang anak laki-laki adalah
P (1L) = P ( X = 1 )
=

3
8

Peluang diantara 3 orang anak tersebut ada tidak ada anak laki-laki adalah
P (0L) = P ( X = 0 )
=

Buku Ajar

1
8

130

Bab 8: Distribusi Peluang

Dari perhitungan di atas, kita dapat membuat sebuah tabel sebagai berikut :
Tabel 8.3 Nilai-nilai X dan Peluangnya Yang Bersangkutan

X = x1

P(x=X1)

1
8

3
8
3
8

1
8

P( X = x )
1

i =0

Dari tabel di atas, dapat kita lihat bahwa untuk setiap nilai variabel X terdapat
peluang yang bersangkutan.
c.

Sebuah variabel X disebut variable acak, apabila untuk setiap nilainya terdapat
peluang yang bersangkuitan. Variabel acak biasa disingkat dengan variat
(variate).
Dari tabel di atas dapat kita lihat bahwa jumlah seluruh peluang untuk seluruh
kemungkinan nilai X adalah sama dengan 1.
Peluang yang sama besarnya sama dengan 1 didistribusikan kepada nilai :
X = 0 sebesar

1
8

X = 1 sebesar

3
8

X = 2 sebesar

3
8

Buku Ajar

131

Bab 8: Distribusi Peluang

X = 3 sebesar

1
8

Ini artinya kita berhadapan dengan variabel yang mempunyai distribusi peluang.
Dari uraian di atas, maka dapat dikatakan :
Sebuah variable X disebut variable random apabila X mengikuti suatu distribusi
peluang tertentu.

5.2 Distribusi Peluang Teoritik


Pada saat kita pertama kali mengenal variabel, maka kita mengenal variable
kuantitatif diskrit dan variable kuntinu. Apabila kita hubungkan dengan
distribusi peluang, maka secara teoritik ada distribusi peluang untuk variable
diskrit dan ada distribusi untuk variable kontinu.

5.2.1 Distribusi Peluang untuk Variabel Diskrit


Definisi :
Jika nilai yang mungkin dari variable acak X, yaitu runag hasil RX, terhingga atau
tak terhingga tetapi terbilang, maka x disebut variabel diskrit. Jadi x dapat
mengambil nilai x1, x2, , xn atau x1, x2, ,
x n ; xi R
Dalam hal ruang hasil dari X merupakan semua nilai dalam suatu interval yang
terhingga atau dalam interval ( - , ), yaitu banyaknya bilangan tak terhingga
dan tak terbilang, maka X disebut variable acak kontinyu.
Yang akan dibicarakan pada distribusi peluang untuk variable diskrit adalah :

5.2.1.1

Distribusi Binomial

Suatu eksperimen mungkin terdiri dari serangkaian percobaan yang bersifat


saling bebas dan tiap percobaan dapat menghasilkan dua macam hasil yang berbeda
atau lebih. Contoh mengenai eksperimen :
a. Mesin C dipakai untuk memproduksi barang C sebanyak 1000 unit dan setiap
hasil produksi C dapat digolongkan ke dalam barang baik dan barang
cacat

Buku Ajar

132

Bab 8: Distribusi Peluang

b. Bila seseorang memilih secara acak sebuah kartu dari setumpuk kartu bridge,
kartu yang terpilih dapat merupakan kartu As atau kartu bukan AS.
c. Hasil pertandingan sepak bola dapat digolongkan ke dalam menang atau
kalah
Contoh eksperimen di atas menghasilkan dua peristiwa kita katakana peristiwa A
dan alternatifnya peristiwa buka A, dengan P(A) = p = peluang terjadinya peristiwa
A.
Jika pada tiap percobaan dalam eksperimen itu, p = P(A) tetap harganya, maka
percobaan yang berulang-ulang dari eksperimen itu dinamakan peristiwa Bernoulli.
Jika peristiwa Bernoulli dilakukan sebanyak N kali secara independen dinamakan
peristiwa Binomial, X diantaranya menghasilkan peristiwa A dan sisanya (N-X)
peristiwa A . Jika P(A) = p untuk tiap percobaan maka P( A ) = 1 p. Peluang
terjadinya A sebanyak X = x kali dinyatakan dengan rumus :
N
P(x) = P(X=x) = p x ( 1 p ) N x
x

(8.1)

N
N!
Dimana : x = 0, 1, 2, N ; 0 < p < 1 ; =
x x!( N x )!

Distribusi Binomial mempunyai rata-rata () dan simpangan baku () yaitu :

= Np

Np ( 1 p )

(8.2)

Distribusi Binomial disingkat X B ( x ; N , p )


Contoh :
1. Sebuah mata uang terdiri atas huruf (H) dan gambar (G) dilantunkan
sebanyak 15 kali. Berapa peluang tampak 8 kali muka H.
Jawab :
X = jumlah muka H yang tampak
x= 8
N = 15
p=
Buku Ajar

133

Bab 8: Distribusi Peluang

Peluang tampak 8 muaka H sebanyak 15 kali lantunan adalah :


15 1 1
P (X = 8) =
8 2 2
8

15

1
= 6435
2
= 0,1964

2. Sepasang suami istri mempunyai 4 orang anak. Berapa peluang bahwa


diantara ke-empat orang anak tersebut terdapat 2 orang anak perempuan
Jawab : N = 4
x=2
p=
peluang terdapat 2 orang anak perempuan diantara ke-empat orang anak
adalah :
4 1 1
P(X=2) =
2 2 2
2

1
= 6
2

= 0,375

3. Berdasarkan pengalaman di bagian kepegawaian sebuah lembaga tertentu 5%


dari para pegawai di lembaga itu termasuk pegawai yang tidak disiplin. Pada
suatu saat lembaga tersebut merekrut 30 orang pegawai baru.
Apabila :
a. pengalaman yang lalu masih berlaku, berapa peluang bahwa dari 30 orang
pegawai baru itu nantinya 2 orang diantaranya akan menjadi pegawai yang
tidak disiplin
Jawab :
N = 30
X=x=2

Buku Ajar

134

Bab 8: Distribusi Peluang

Peluang pegawai tidak displin = p = 0,05


1 p = 0,95
Peluang terdapat 2 orang pegawai tidak disiplin diantara 30 orang pegawai
adalah :
30
P (X=2) = (0,05) 2 (0,95) 28
2
= 432 (0,0025)(0,2378)
= 0,2586

b. Berapa peluang bahwa diantara 30 orang pegawai yang direkrut paling


banyak hanya ada 2 orang yang tidak disiplin
Jawab : P (X2) = P(X=0) + P(X=1) + P(X=2)
30
P (X=0) = (0,05) 0 (0,95) 30
0
= 1.1.(0,95)30
= 0,2146
30
P (X=1) = (0,05)1 (0,95) 29
1
= 30 (0,05)(0,2259)
= 0,3389

30
P (X=2) = (0,05) 2 (0,95) 28
2
= 432 (0,0025)(0,2378)
= 0,2586

Buku Ajar

135

Bab 8: Distribusi Peluang

Peluang paling banyak terdapat 2 orang pegawai yang tidak displin di


antara 30 orang pgawai yang direkrut adalah :
P(X=2) = 0,2146 + 0,3389 + 0,2586
= 0,8121

5.2.1.2

Distribusi Multinomial

Perluasan dari distribusi Binomial adalah distribusi Multinomial.


Misalnya sebuah eksperimen menghasilkan peristiwa-peristiwa E1, E2, , Ek
dengan peluang p1 = P(E1), p2 = P(E2), , pk = P(Ek). Terhadap eksperimen
tersebut, kita lakukan percobaan sebanyak N kali. Maka peluang akan
terdapat X1 peristiwa E1, X2 peristiwa E2, , Xk peristiwa Ek diantara N,
adalah

p ( x1 , x 2 ,..., x k ) =

N!
p1x1 p 2x2 ... p kxk
x1! x 2 !... x k !

(8.3)

dengan p1 + p2 + + pk = 1 ; 0 < p1 < 1, i = 1, 2, , k


k

i =1

=1

x1 + x2 + + xk = N
k

x
i =1

=N

Distribusi Multinomial adalah distribusi berparameter dua, rata-rata distribusi


multinomial untuk tiap peristiwa E1, E2, , Ek adalah Np1, Np2 ,, Npk
sedangkan varians masing-masing adalah
Np1 (1 - p1), Np2 (1 - p2),, Npk ( 1 pk )

Contoh :
1. Sebuah dadu bermuka 6 dilantunkan 10 kali. Berapa peluang tampak
muncul muka 1, muka 2, , muka 6 masing-masing tepat 2 kali.

Buku Ajar

136

Bab 8: Distribusi Peluang

Jawab : N = 10
P(tampak muncul muka 1) = 1/6
P(tampak muncul muka 2) = 1/6
P(tampak muncul muka 3) = 1/6
X = x1 = 2
X = x2 = 2
X = x3 = 2
X = x4 = 2
X = x5 = 2
X = x6 = 2
Peluang tampak muncul muka 1, muka 2, , muka 6 masing-masing
tepat 2 kali adalah

10!
1 1 1 1 1 1
P(2,2,2,2,2,2) =
.
2! 2! 2! 2! 2! 2! 6 6 6 6 6 6

12

1
= 113.400 .
6
= 0.0034383

2. Sebuah kotak berisi 3 kelereng berwarna hitam, 4 kelereng berwarna


putih, dan 5 biji kelereng berwarna merah, yang bahan dan bentuknya
sama. Sebuah kelereng diambil secara acak dari dalam kotak itu, warnanya
dilihat, lalu disimpan kembali ke dalam kotak. Berapa peluang diantara 6
buah kelereng yang diambil, diperoleh 1 buah kelereng berwarna hitam, 2
buah kelereng berwarna putih, dan 3 buah kelereng berwarna merah.
Jawab :
P(kelereng berwarna hitam) = 3/12
P(kelereng berwarna putih) = 4/12
P(kelereng berwarna merah) = 5/12

Buku Ajar

137

Bab 8: Distribusi Peluang

X=x1 = 1 ( kelereng warna hitam )


X=x2 = 2 ( kelereng warna putih )
X=x3 = 3 ( kelereng warna merah )
Peluang diantara 6 buah kelereng yang diambil, diperoleh 1 buah kelereng
berwarna hitam, 2 buah kelerng berwarna putih, dan 3 buah kelereng
berwarna merah adalah
1

P(1,2,3) =

720 3
=

12 12
= 0,1206

5.2.1.3

6! 3 4 5
.
1! 2!3! 12 12 12
4

12

5

12

Distribusi Hipergeometrik

Misalkan ada sebuah populasi berukuran N diantaranya terdapat D buah


termasuk kategori tertentu. Dari populasi tersebut diambil sebuah sample
acak berukuran n. Ingin dicari ialah berapa peluang dalam sample itu terdapat
x buah termasuk kategori tertentu ? Peristiwa tersebut dikenal dengan nama
percobaan hipergeometrik.
Rumus distribusi hipergeometrik :

D N D

x n x

p( x) =
N

n

(8.4)

dengan x = 0, 1, 2, 3, , n
rata-rata distribusi hipergeometrik adalah =

nD
N

Contoh :
1. Sebuah kotak berisi 40 buah sekrup, dan dapat diterima apabila terdapat
paling banyak 3 buah sekrup yang cacat. Suatu kotak akan ditolak jika dari
kotak tersebut diambil 5 buah sekrup sebagai sample dan ternyata 1 buah
sekrup cacat. Berapa peluang mendapatkan tepat 1 buah sekrup yang
cacat dalam sample .

Buku Ajar

138

Bab 8: Distribusi Peluang

Jawab :
N = 40
D=3
n=5
x=1

3 40 3


1 5 1

p( x) = P( X = 1) =
40

5
3 37

1 4
=
40

5
= 0,3011

2. Sebuah kotak berisi 30 buah kelereng, dan diantaranya ada 3 buah


kelereng berwarna merah. Secara acak diambil 5 kelereng dari kotak
tersebut.
Berapakah peluangnya diantara 5 buah kelereng tersebut
a. Tidak terdapat/tidak ada kelereng yang berwarna merah
b. Terdapat tidak lebih dari 1 buah kelereng yang berwarna merah
Jawab :
a. N = 30
D=3
n=5
x=0

Buku Ajar

139

Bab 8: Distribusi Peluang

3 30 3


0 5 0

p( x) = P( X = 0) =
30

5
3 27

0 5
=
30

5
(1)(80730)
142.506
= 0,5665

b. N = 30
D=3
n=5
x = 0, 1

P(X 1) = P(X=0) + P(X=1)


P(x) = P(x=0) = 0,5665

3 30 3

1 5 1

p( x) = P( X = 1) =
30

5
3 27

1 4
=
30

5
(3)(17550)
142.506
= 0,3695

Jadi P(X1) = 0,5665 + 0,3695


= 0,9360

Buku Ajar

140

Bab 8: Distribusi Peluang

5.2.1.4 Distribusi Poisson


Pandanglah distribusi Binomial B (N , p) dimana N percobaan banyak sekali,
dan nilai kemungkinan untuk sukses p kecil sekali, maka distribusi yang
terbentuk adalah distribusi poisson.
Dalam kehidupan sehari-hari variable yang mengikuti distribusi poisson
adalah variable yang menggambarkan peristiwa-peristiwa yang jarang terjadi,
misalnya ; orang meninggal dikarenakan diinjak oleh gajah, terjadinya gempa
bumi, banyak pengunjung toko swalayan setiap hari dari pengunjung swalayan
tersebut, sangat jarang terjadi yang pingsan. Maka kejadian tersebut mengikuti
peristiwa poisson, sebab peluang terjadinya pengunjung yang pingsan sangat
kecil.
Definisi :
Apabila X merupakan sebuah variable diskrit yang mengikuti distribusi
peluang
P ( X = x) =

e x
x!

; x = 0, 1, 2, ,

(8.5)

nilai e- dapat dilihat pada lampiran

Maka X disebut variable yang mengikuti distribusi poisson.


Rata-rata distribusi poisson adalah ==np
Simpangan baku distribusi poisson adalah =

Distribusi poisson dapat dianggap sebagai pendekatan kepada distribusi


binom. Apabila pada distribusi binom, N cukup besar sedangkan p = peluang
terjadinya peristiwa A sangat dekat kepada nol, sedemikian sehingga = Np
tetap, maka distribusi Binom dapat didekati oleh distribusi poisson. Untuk
penggunaannya, sering dilakukan pendekatan ini, jika N 50 dan Np < 5.
Contoh :
1. Misalkan dari 50 siswa SD kelas 1 ada 2 orang yang dapat berenang.
Sebuah sample berukuran 100 siswa telah diambil, Jika x = banyak siswa
SD kelas 1 yang dapat berenang. Berapa peluangnya siswa SD kelas 1
yang tidak dapat berenang.

Buku Ajar

141

Bab 8: Distribusi Peluang

Jawab :
X = siswa yang dapat berenang = 0
= Np =
Peluang siswa SD kelas 1 yang tidak dapat berenang adalah

e x
x!
4 0
e 4
=
0!
0,0183.1
=
1
= 0,0183

P( X = 0) =

2. Peluang seseorang siswa SD kelas VI akan mendapat reaksi buruk setelah


mengikuti latihan berenang adalah 0,0005. Dari 1000 orang siswa SD
kelas VI Kecamatan A mengikuti latihan berenang. Berapakah peluang
yang mendapat reaksi buruk dari 1000 orang siswa tersebut :
a. ada 1 orang
b. paling banyak 2 orang
c. tidak ada yang mengalami reaksi buruk
Jawab :
N = 1000
P = 0,0005
= N.p
= 1000 . 0,0005 = 0,5
Apabila x = banyaknya siswa SD kelas VI yang mendapat reaksi buruk,
maka
a. Peluang ada 1 orang siswa SD kelas VI, yang mendapat reaksi buruk
adalah :
X=1

Buku Ajar

142

Bab 8: Distribusi Peluang

e 0,5 0,51
P( X = 1) =
1!
0,6065 . 0,5
=
1
= 0,3033

b. Peluang paling banyak ada 2 orang siswa SD kelas VI yang mendapat


reaksi buruk adalah :
P(X 2) = P ( X = 0 ) + P ( X = 1 ) + P ( X = 2 )
Dalam hal ini berarti X = 0, X = 1, X = 2
Maka yang harus dicari adalah P (X = 0), P (X=1), P (X=2)
e 0,5 0,5 0
0!
0,6065 .1
=
1
= 0,6065

P( X = 0) =

P(X=1) sudah dihitung pada bagian a.

e 0, 5 0,5 2
P( X = 2) =
2!
0,6065 . 0,25
=
2
= 0,0758
Maka peluang paling banyak ada 2 orang siswa kelas VI yang
mendapat reaksi buruk adalah :
P(x) = P (X = 0) + P (X=1) + P (X=2)
= 0,6065 + 0,3033 + 0,0758
= 0,9856

c. Peluang tidak ada siswa SD kelas VI yang mendapat


d. reaksi buruk adalah

Buku Ajar

143

Bab 8: Distribusi Peluang

P(X = 0) = 0,6065 ( sudah dihitung pada bagian b.

5.3 Distribusi Peluang Untuk Variabel Kontinu


Yang akan dibicarakan pada distribusi peluang untuk variable kontinu adalah :
5.3.1Distribusi Normal
Definisi :
Adalah merupakan variable yang mengikuti distribusi peluang (fungsi densitas)

1 x


1
f ( x) =
e 2
2

;-<x<

(8.6)

-<<
>0

Maka dikatakan X mengikuti distribusi normal dengan rata-rata : dan


varians 2.
Sifat-sifat distribusi normal antara lain :
a. kurvanya berbentuk kurva yang simetri sekitar

X mempunyai batas < X <

b. Luas daerah di bawah kurva menunjukkan peluang.


Luas daerah di bawah kurva = 1

Buku Ajar

144

Bab 8: Distribusi Peluang

Menghitung peluang untuk distribusi normal secara matematis harus


menggunakan perhitungan integral.
Misal :

x2

1 t
dt


1
.e 2
P( x1 < X < x2 ) =
2
x1

Perhitungan integral di atas merupakan perhitungan yang sukar diselesaikan.


Untuk menghitung luas di bawah kurva normal, tidak langsung membuat
perhitungan integral, tetapi menggunakan table distribusi normal baku.

5.3.2

Distribusi Normal Baku


Dalil :
Apabila terdapat variable X yang mengikuti distribusi normal dengan rata-rata
x
, maka Z
: dan simpangan baku . Kita transformasi variabel z =

akan mengikuti distribusi normal dengan rata-rata : = 0 dan simpangan


baku : = 1, dan bentuk fungsi densitas distribusi normal baku adalah :

Buku Ajar

145

Bab 8: Distribusi Peluang

Jadi distribusi normal baku adalah distribusi normal yang rata-ratanya = 0


dan simpangan baku : =1.
Peluang untuk distribusi normal baku dapat diperoleh dari Tabel Normal
Baku.
Bilangan-bilangan yang ada dalam table table memperhatikan luas daerah di
bawah kurva dari 0 ke Z.
Kurva distribusi normal baku bentuknya simetri. Jadi luas daerah dari 0 ke Z
= luas daerah dari 0 ke Z = 0,5
Contoh penggunaan Tabel Normal Baku
A. Mencari Luas daerah
a. Berapa luas daerah antara Z = 0 dan Z = 1,51

P(0 < Z < 1,51) = ?

Dari Tabel Normal Baku, di bawah kolom Z pada kolom kiri cari 1,5
dan kolom di atas angka 1. dari 1,5 maju ke kanan dan dari 1
menurun, didapat 4345.
Luas daerah yang dicari adalah daerah yang diarsir
Maka P(0 < Z < 1,51) = 0,4345

b. Berapa luas daerah antara Z = 0 dan Z = -2,17


P(-2,17 < Z < 0 ) = ?

Buku Ajar

146

Bab 8: Distribusi Peluang

Dari Tabel Normal baku, di bawah kolom Z pada kolom kiri cari 2,1
dan kolom di atas angka 7. Dari 2,1 maju ke kanan dan dari 7
menurun, didapat 4850.
Luas daerah yang dicari adalah daerah yang diarsir
Maka P(-2,71 < Z < 0) = 0,4850

c. Berapa luas daerah antara Z = - 1,81 dan Z = 3,10


P (-1,81 < Z < 3,10) = P( -1,81 < Z < 0) + P(0 < Z < 3,10)

Dengan cara yang sama seperti contoh a dan b, dari Tabel Normal
Baku diperoleh P (-1,81 < Z < 0) = 0,4649, P(0 < Z < 3,10) =
0,4990
Luas daerah yang dicari adalah daerah yang diarsir
Maka P(-1,81 < Z < 3,10) = 0,4649 + 0,4990
= 0,9639

d. Berapa luas daerah antara Z = 2,45 dan Z = 3,65


P(2,45 < Z < 3,65) = ?

P (2,45 < Z < 3,65) = P(0 < Z < 3,65) P(0 < Z < 2,45)
Buku Ajar

147

Bab 8: Distribusi Peluang

Dengan cara yang dijelaskan seperti contoh-contoh di atas, dari Tabel


Normal Baku diperoleh
P(0 < Z < 3,65) = 0,4999
P(0 < Z < 2,45) = 0,4929
Luas daerah yang dicari adalah daerah yang diarsir
Maka P (2,45 < Z < 3,65) = 0,4999 0,4929
= 0,007

e. Berapa luas daerah antara Z = 1,76 ke kiri

P (Z < 1,76) = ?
P(Z < 1,76 = 0,5 + P(0< Z < 1,76)
Dengan cara yang sama seperti contoh-contoh di atas, dari Tabel
Normal Baku diperoleh
P(0 < Z < 1,76) = 0,4608
Luas daerah yang dicari adalah daerah yang diarsir.
Maka P(Z < 1,76) = 0,5 + 0,4608
= 0,9608

Buku Ajar

148

Bab 8: Distribusi Peluang

f. Berapa luas daerah antara Z = 2,74 ke kanan

P(Z > 2,74) = 0,5 P(0 < Z < 2,74)

Dengan cara yang sama seperti contoh-contoh di atas, dari tabel


normal baku diperoleh P(0 < Z < 2,74) = 0,4969
Luas daerah yang dicari adalah daerah yang diarsir.
Maka P(Z > 2,74) = 0,5 - 0,4969
= 0,0031

B. Untuk mencari kembali Z apabila luasnya diketahui


Pada bagian A, kita menghitung peluang berdasarkan harga Z yang
diketahui. Sekarang kita akan menentukan harga Z apabila peluangnya
diketahui.
Untuk mencari kembali Z apabila luasnya diketahui, maka dilakukan
langkah sebaliknya dari contoh-contoh pada bagian A.
a. Berapa Zp jika diketahui luas dari Z = 0
atau

ke

kanan =

0,4750

P(0 < Z < Zp) = 0,4750

Buku Ajar

149

Bab 8: Distribusi Peluang

Dari tabel normal baku dalam badan daftar cari angka 4750, lalu
menuju ke pinggir sampai kolom Z, didapat angka 1,9 dan menuju ke
atas sampai batas Z didapat 6Jadi Zp = 1,96

b.. Berapa Zp jika diketahui luas Z = 0 ke kiri adalah 0,3133


P(-Zp < Z < 0) = 0,3133

Dari tabel normal baku dalam badan daftar cari angka 3133, lalu
menuju ke pinggir sampai kolom Z, didapat angka 0,8 dan menuju ke
atas sampai batas Z didapat 9. Harga Zp = 0,89. Karena yang
ditanyakan adalah ruas sebelah kiri, maka Zp = -0,89

5.3.3 Distribusi Student (Distribusi t)


Distribusi student ditemukan oleh William S. Gossent th 1908.
Andaikan X adalah variabel acak berdistribusi normal dengan rata-rata dan
simpangan baku , kemudian kita ambil n buah sampel acak. X adalah rata-rata
sampel dengan simpanagan baku s, maka t =

x
s/ n

adalah distribusi student

dengan derajat bebas ( = n 1 ).


Fungsi densitas distribusi student adalah :
( + 1 ) t 2
1+
f (t ) =

+ 1

;-~<t<~

(8.7)

Bentuk grafiknya seperti grafik distribusi normal baku, simetrik terhadap t = 0.


tabel distribusi student beisikan nilai-nilai t untuk dk dan peluang tertentu.
Kolom paling kiri menyatakan dk, berisikan derajat kebebasan, baris teratas
berisikan nilai peluang.

Buku Ajar

150

Bab 8: Distribusi Peluang

Contoh Penggunaan Tabel Distribusi Student


a. Untuk n = 15, luas daerah = 0,95. Berapakah t ?

Untuk n = 15, maka dk = = 15 1 = 14


Dari tabel distribusi student, pada kolom cari angka 14. dari angka 14
maju ke kanan dan menurun dari kolom t0,95, maka diperoleh t = 1,76.

b. Tentukan t, jika diketahui n = 20, dan luas yang diarsir = 0,95.

Untuk n = 20, maka = 20 1 = 19


Dari tabel grafik di atas dapat dilihat bahwa luas ujung kanan dan luas
ujung kiri = 1 0,95 = 0,05. Kedua ujung ini sama luasnya, jadi luas
ujung kanan, mulai t ke kanan = 0,025. Mulai dari t ke kiri luasnya = 1
0,025 = 0,975. Harga p inilah yang dipakai untuk tabel.
Dari tabel distribusi student pada = 19 maju ke kanan, dan pada kolom
t0,975 menurun, maka didapat t 2,09. jadi nilai t = - 2,09 dan t = 2,09

Buku Ajar

151

Bab 8: Distribusi Peluang

c. Tentukan t, jika diketahui n = 28, dan luas dari t ke kiri = 0,01

Untuk n = 28, maka = 27.


P = 1 0,01 = 0,99
Dari tabel distribusi student pada kolom = 27 maju ke kanan, dan pada
kolom t0,99 kita menurun, didapat angka 2,47, maka t = -2,47.

d. Diketahui n = 18, Tentukan t, jika luas dari t ke kanan = 0,10

Untuk n = 18, maka = 17


P = 1 0,01 = 0,90
Dari tabel distribusi student, pada kolom 17 maju ke kanan daripada
kolom t0,90 turun, didapat angka 1,33 maka t = 1,33

Buku Ajar

152

Bab 8: Distribusi Peluang

5.3.4 Distribusi Chi Kuadrat (2)


Fungsi densitas distribusi chi kuadrat adalah :

f (U ) = k.U

1
1
2

.e

1
U
2

(8.8)

Dalam hal ini : U = 2 ; U > 0


= derajat kebebasan
k = bilangan teta yang bergantung pada
Luas daerah di bawah kurva = 1
e = 2,7183

Grafik distribusi Chi Kuadrat merupakan kurva positif, yaitu miring ke


kanan. Kemiringan ini makin berkurang, jika derajat kebebasan () makin
besar.
Grafik Distribusi Chi Kuadrat

Tabel distribusi Chi Kuadrat berisikan harga-harga 2 untuk pasangan dk dan


peluang p yang besarnya tertentu. Kolom dk = ada pada kolom paling kiri,
peluang p terdapat pada baris paling atas. Luas daerah yang diarsir sama
dengan peluang p, yaitu luas dari 2p ke sebelah kiri.

Buku Ajar

153

Bab 8: Distribusi Peluang

Contoh penggunaan Tabel Distribusi Chi Kuadrat


a. Diketahui p = 0,99 dan derajat kebebasan () = 16. Tentukanlah 2p.
Jawab :
Dari tabel Distribusi Chi Kuadrat, dari kolom cari angka 16 dan dari
baris atas cari 20,99. Dari angka 16 maju ke kanan dan dari 20,99 menurun,
maka diperoleh 20,99 = 32.0

b. Diketahui = 20, luas daerah yang diarsir (sebelah kanan) = 0,05.


Tentukan 2p.

Jawab :

Luas daerah yang diarsir = 0,05


Maka p = 1 0,05
= 0,95

Buku Ajar

154

Bab 8: Distribusi Peluang

Dari tabel Distribusi Chi Kuadrat, dari kolom cari angka 20, dan dari
baris atas cari 20,95. dari angka 20 maju ke kanan dan dari 20,95 menurun,
maka diperoleh 2p = 31,4

c. Tentukan 2p jika diketahui = 25, dan luas daerah yang diarsi (sebelah
kiri) = 0,01

Jawab :

Dari Tabel Distribusi Chi Kuadrat, dari kolom cari angka 25, dan dari
baris atas cari 20,01. Dari angka 25 maju ke kanan dan dari 20,01 menurun,
maka diperoleh 2p = 11,5.

5.3.5

Distribusi F
Fungsi densitas distribusi F adalah :

f (F ) = k

1
( 1 2 )
2

F
1 + 1
2

( 1 + 2 )

(8.9)

Dalam hal ini :


o F>0

Buku Ajar

155

Bab 8: Distribusi Peluang

o k : bilangan tetap yang nilainya bergantung pada 1 dan 2


o Luas dibawah kurva = 1
o 1 : derajat kebebasan pembilang
o 2 : derajat kebebsan penyebut
o Grafik distribusi F tidak simetris, dan umumnya positif.
Contoh penggunaan Tabel Distribusi F
a. Diketahui : 1 = 9 ; 2 = 8 ; peluang = 0,01
Berapakah F ?

Penyelesaian :

Untuk pasangan derajat 1 = 9 dan 2 = 8, dapat ditulis (1, 2) = ( 9, 8 ).


Dengan p = 0,01, maka F yang dicari dapat ditulis F0,01(9,8) = ?
Dari Tabel Distribusi F, pada baris 1 cari angka 9 dan pada kolom 2 cari
angka 8. Dari angka 9 turun dan dari angka 8 ke kanan, maka didapat
bilangan yang dicari. Yang atas untuk p = 0,05 dan yang bawah untuk p =
0,01
F0,01(9,8) dari Tabel Distribusi F diperoleh nilai 5,91. Jadi F0,01(9,8) = 5,91.

b. Tentukan F, jika diketahui 1 = 16 dan 2 = 23, dengan p = 0,05


Penyelesaian :

Buku Ajar

156

Bab 8: Distribusi Peluang

Dari tabel distribusi F, pada baris 1 cari angka 16, dan pada kolom 2 cari
angka 23. Dari angka 16 turun dn dari angka 23 ke kanan, maka didapat
biangan yang dicari. Karena yang ditanyakan adalah p = 0,05, maka nilai
yang dicari terletak di atas, dan diperoleh nilai 2,10. Jadi F0,05 (16,23)= 2,10.

6. Latihan
1. Peluang seseorang sembuh dari operasi jantung yang rumit adlah 0,8.
Berapakah peluang tepat 5 dari tujuh orang yang menjalani operasi ini
akan sembuh ?
2. Yang mengirimkan jawaban benar untuk teka-teki silang (TTS) kepada
suatu majalah 35 orang, terdapat 20 wanita dan 15 pria. Ada 4 buah
hadiah yang tersedia. Untuk menentukan siapa yang akan memperoleh
hadiah, diadakan undian untuk yang jawabannya benar semua.
Tentukanlah peluang yang mendapat hadiah itu adalah wanita semuanya ?
3. Apabila A melemparkan bola basket ke arah ring, peluang bola itu masuk
ring adalah 0,5. Pada suatu pertandingan, Si A dapat melemparkan bola
ke arah ring sebanyak 10 kali. Berapakah peluang bahwa bola yang
dilemparkan tersebut masuk ring sebanyak 5 kali ?
4. Pada suatu depot anggrek dijual berbagai bibit anggrek . Depot itu
mempunyai 1.000 batang bibit anggrek bulan, 120 diantaranya bibit hasil
silangan. Seorang penggemar membeli 3 batang jasa. Tentukanlah peluang
penggemar itu mendapatkan dua diantaranya hasil silangan.

Buku Ajar

157

Bab 8: Distribusi Peluang

7. Daftar Pustaka
1. Sujana, 1992, Metode Statistika, Edisi ke-5, Tarsito, Bandung.
2. Walpole, Ronald, 1986, Ilmu Peluang untuk Insinyur dan Ilmuwan, Penerbit
ITB, Bandung

Buku Ajar

158

MATERI POKOK IX
DISTRIBUSI SAMPLING
MAS 201
Oleh :
Lisnur Wachidah , dkk

DAFTAR ISI
Halaman
1.
2.
3.
4.
5.

Pengantar
Kompetensi Dasar
Tujuan Pembelajaran
Indikator
Kegiatan belajar
5.1 Distribusi Sampling Rata-rata
5.2 Distribusi Proporsi
5.3 Distribusi Simpangan Baku
5.4 Distribusi Selisih Rata-rata dan
Distribusi Jumlah Rata-rata
5.5 Distribusi Selisih Proporsi
5.6 Menentukan Ukuran Sampel
6. Latihan
7. Daftar Pustaka

160
160
160
160
161
161
165
167
169
171
174
176
176

Bab 9: Distribusi Sampling

Bab

DISTRIBUSI SAMPLING
1. Pendahuluan
Bab ini, membahas masalah distribusi sampling berbagai bentuk distribusi sampling,
dan perhitungannya.

2. Tujuan Instruksional Umum


Mahasiswa memahami berbagai distribusi sampling dan dapat menyelesaikan masalah
peluang berbagai distribusi sampling.

3. Tujuan Instruksional Khusus


Mahasiswa dapat menentukan distribusi sampling yang sesuai untuk suatu masalah
dan dapat menghitung nilai peluang dari berbagai distribusi sampling.

4. Indikator
o Mahasiswa dapat menjelaskan kembali konsep dasar distribusi sampling
o Mahasiswa dapat menjelaskan kembali distribusi distribusi rata-rata,
distribusi proporsi, distribusi simpangan baku dan distribusi median

Buku Ajar

160

Bab 9: Distribusi Sampling

o Mahasiswa dapat menggunakan distribusi distribusi rata-rata, distribusi


proporsi, distribusi simpangan baku dan distribusi median dalam contoh
kehidupan sehari-hari
o Mahasiswa dapat menjelaskan kembali konsep dasar distribusi sampling
selisih dan jumlah
o Mahasiswa dapat menjelaskan kembali distribusi selisih dan jumlah rata-rata,
distribusi selisih proporsi, distribusi t, distribusi Chi-Kuadrat dan distribusi F
o Mahasiswa dapat menggunakan distribusi selisih dan jumlah rata-rata,
distribusi selisih proporsi, distribusi t, distribusi Chi-Kuadrat dan distribusi F
dalam contoh kehidupan sehari-hari

5. Kegiatan Belajar
Waktu kita mengambil sebuah sampel, hendaknya sampel yang diambil adalah sampel
acak. Dari sampel tersebut dihitung nilai statistiknya. Teori yang berhubungan
dengan masalah tersebut, adalah distribusi sampling. Penamaan distribusi sampling,
bergantung kepada nama statistik yang digunakan. Misalnya distribusi sampling ratarata yang disingkat dengan distribusi rata-rata, distribusi sampling proporsi yang
disingkat dengan distribusi proporsi dan lain-lain.

5.1. Distribusi Sampling Rata-rata


Misalkan kita mempunyai sebuah populasi yang berukuran N dengan parameter ratarata dan simpangan baku . Dari populasi tersebut diambil sampel acak berukuran
N
n. Apabila sampling dilakukan tanpa pengembalian, maka akan terdapat buah
n
sampel yang berlainan. Untuk semua sampel yang didapat, masing-masing dihitung
N
rata-ratanya. Dengan demikian diperoleh buah rata-rata. Anggaplah semua ratan
rata tersebut sebagai data baru, jadi diperoleh kumpulan data yang terdiri atas ratarata dari sampel-sampel. Dari kumpulan tersebut kita dapat menghitung rata-rata dan
simpangan bakunya. Maka akan diperoleh rata-rata daripada rata-rata, diberi symbol
X ; dan simpangan baku daripada rata-rata diberi symbol X .
Contoh :
1.

Misalkan sebuah populasi N = 10, yang datanya 98, 99, 97, 98, 99, 98, 97, 97, 98,
99. Diperoleh = 98 dan = 0,78. Diambil sampel berukuran n = 2. Maka
10
akan terdapat = 45 buah sampel. Dari 45 buah sampel tersebut dihitung
2

Buku Ajar

161

Bab 9: Distribusi Sampling

rata-ratanya. Data untuk tiap sampel dan rata-rata tiap sampel dapat dilihat pada
tabel di bawah ini.

Tabel 9.1
Semua Sampel yang Berukuran n = 2 dan Rata-ratanya yang
Diambil dari Populasi Berukuran N = 10
Sampel

Rata-rata

Sampel

Rata-rata

Sampel

Rata-rata

(98;99)

98,5 (99;98)

98,5 (99;98)

98,5

(98;97)

97,5 (99;99)

99 (99;97)

98

(98;98)

98 (97;98)

97,5 (99;97)

98

(98;99)

98,5 (97;99)

98 (99;98)

98,5

(98;98)

98 (97;98)

97,5 (99;99)

99

(98;97)

97,5 (97;97)

97 (98;97)

97,5

(98;97)

97,5 (97;97)

97 (98;97)

97,5

(98;98)

98 (97;98)

97,5 (98;98)

98

(98;99)

98,5 (97;99)

98 (98;99)

98,5

(99;97)

98 (98;99)

98,5 (97;97)

97

(99;98)

98,5 (98;98)

98 (97;98)

97,5

(99;99)

99 (98;97)

97,5 (97;99)

98

(99;98)

98,5 (98;97)

97,5 (97;98)

97,5

(99;97)

98 (98;98)

98 (97;99)

98

(99;97)

98 (98;99)

98,5 (98;99)

98,5

Jumlah semua Rata-rata =4410

Dari tabel di atas, diperoleh nilai untuk jumlah ke 10 buah rata-rata adalah
4410
Rata rata = 4410 . Maka rata-rata untuk ke-10 rata-rata = 45 = 98 . Jadi
X = 98. Simpangan baku ke- 45 rata-rata di atas juga dapat dihitung , besarnya
adalah: x = 0,52 . Tetapi rata-rata populasi = 98 dan simpangan baku
= 0,78 . Selanjutnya dihitung:

Buku Ajar

162

Bab 9: Distribusi Sampling

N n 0,78 10 2
=
= 0,52
N 1
2 10 1

Ternyata apabila

n
> 5% berlaku :
N

X =
X =

Apabila

N n
N 1

(9.1)

n
5% , berlaku X = dan X =
N
n

(9.2)

X dinamakan kekeliruan standar rata-rata atau kekeliruan baku rata-rata atau


galat baku rata-rata. Ini merupakan ukuran variasi rata-rata sampel sekitar ratarata populasi, atau dapat digunakan untuk mengukur besarnya perbedaan ratarata yang diharapkan dari sampel ke sampel.
Dari Tabel 9.1 dapat dibentuk daftar distribusi frekuensi untuk rata-ratanya
sebagai berikut:
Rata-rata

Frekuensi

Peluang

97

1/15

97,5

12

4/15

98

15

1/3

98,5

12

4/15

99

1/15

Jumlah

45

Terlihat bahwa rata-rata untuk semua sampel membentuk sebuah distribusi


peluang. Untuk penggunaannya, diperlukan bentuk distribusi . Untuk hal
tersebut berlaku sebuah dalil limit pusat yaitu:

Dalil Limit Pusat :


Jika sebuah populasi mempunyai rata-rata dan simpangan baku yang
besarnya terhingga, maka untuk ukuran sampel acak n cukup besar, distribusi

Buku Ajar

163

Bab 9: Distribusi Sampling

rata-rata sampel mendekati distribusi normal dengan rata-rata


simpangan baku X =

X = dan

.
n

Perhatikan bahwa Dalil limit pusat berlaku untuk sembarang bentuk atau model
populasi asalkan simpangan bakunya terhingga besarnya, maka rata-ratany akan
mendekati Distribusi Normal. Pendekatan kepada normal makin baik jika ukuran
sampel n makin besar.
Distribusi normal yang diperoleh dari distribusi rata-rata, agar tabel distribusi
normal baku dapat digunakan, maka distribusi normal yang diperoleh dari
distribusi rata-rata harus distandarkan terlebih dahulu. Transformasi yang
digunakan adalah :
z=

x
x

(9.3)

Contoh :
Berat badan mahasiswa rata-rata mencapai 65 kg dan simpangan baku = 6,5 kg.
Diambil sebuah sampel acak berukuran n = 50 orang mahasiswa tersebut.
Berapakah peluang berat badan rata-rata ke-50 mahasiswa tersebut antara 67
68.
Jawab :
Dari soal di atas, ukuran populasi tidak diketahui, maka dapat dianggap cukup
besar untuk berlakunya teori, sehingga dalil limit berlaku. Jadi rata-rata x untuk
berat badan mahasiswa akan mendekati distibusi normal baku. Untuk soal di atas,
maka :
rata-rata X = 65 kg.
Simpangan baku : X =

6,5
kg
50

= 0,9192 kg
Langkah selanjutnya adalah menghitung Z, dengan cara transformasi.
Dari soal yang ditanyakan adalah antara 67 68 kg. Maka x = 67 kg dan x = 68
kg, sehingga z akan diperoleh :

Buku Ajar

164

Bab 9: Distribusi Sampling

Untuk x = 67 kg
67 65
0,9192
= 2,18

z1 =

Untuk x = 68 kg
68 65
0,9192
= 3, 26

z2 =

Dari tabel Distribusi Normal Baku untuk z1 = -2,18 dan z2 = 3,26 diperoleh
peluangnya adalah 0,4854 dan 0,4994.
Maka peluang rata-rata berat badan ke-60 mahasiswa antara 67 58 kg adalah
0,4854 + 0,4994 = 0,9848.

5.2 Distribusi Proporsi


Misalkan populasi berukuran N, yang di dalamnya di dapat peristiwa A sebanyak Y
Y
diantara N. Maka didapat parameter proporsi peristiwa A sebesar
. Dari populasi
N
tersebut diambil sampel acak berukuran n, dan misalkan di dalamnya ada peristiwa A
x
sebanyak x. Maka didapat statistik proporsi peristiwa A sebesar
. Jika semua
n
sampel yang mungkin diambil dari populasi tersebut, maka diperoleh sekumpulan
harga-harga statistik proporsi. Dari kumpulan tersebut kita dapat menghitung rataratanya diberi simbol x dan simpangan bakunya diberi simbol x . x dinamakan
n

kekeliruan baku proporsi.

Buku Ajar

165

Bab 9: Distribusi Sampling

Apabila rasio

n
> 5% maka : x =
N
n
x =
n

Jika rasio

(1 )
n

(9.3)
N n
N 1

(9.4)

n
5% , maka : : x =
N
n
x =
n

(1 )
n

(9.5)

Untuk perhitungan, agar tabel distribusi Normal baku dapat dipergunakan diperlukan
transformasi sebagai berikut :
x

z= n
x

(9.6)

Contoh :
Misalkan sebuah sampel terdiri atas 200 orang. Menurut informasi ada 5% anggota
yang tergolong ke dalam golongan A. Berapakah peluang bahwa dari 150 orang
tersebut akan terdapat paling sedikit 20 orang dari golongan A ?
Jawab :
Dari soal tersebut, diketahui : = 5% = 0,05
Maka 1 = 1 0,05 = 0,95
Untuk ukuran sampel 200, paling sedikit 20 orang tergolong kategori A, maka paling
sedikit
x 20
=
n 200
= 0,1

Buku Ajar

166

Bab 9: Distribusi Sampling

Dan kekeliruan bakunya adalah :


x =
n

(1 )
n

0,05 (0,95)
200
= 0,015
=

Sehingga tranformasi Z diperoleh :


x

z= n
x
n

0,1 0,05
0,015
= 3,33
=

Dari soal yang ditanyakan adalah paling sedikit, maka luas daerah atau peluang yang
dicari adalah = 0,5 0,4995 = 0,0005
Jadi besarnya peluang bahwa dari 150 orang akan terdapat paling sedikit 20 orang
yang termasuk golongan A sebesar 0,0005.

5.3. Distribusi Simpangan Baku


Misalkan sebuah populasi berukuran N, diambil sample-sampel acak berukuran n,
dari setiap sample dihitung simpangan bakunya, yaitu s. Dari kumpulan tersebut
dihitung rata-ratanya, diberi simbol s , dan simpangan bakunya diberi simbol s.
Apabila populasi mengikuti distribusi normal, maka:
s =

Buku Ajar

167

Bab 9: Distribusi Sampling

2n

s =

dalam hal ini adalah simpangan baku populasi.


Transformasi yang dapat digunakan adalah :

z=

s
s

Contoh :
Sebuah populasi yang berdistribusi normal, diketahui variansnya adalah 2,25. Dari
populasi tersebut diambil sampel berukuran 125. berapakah peluang bahwa sampel
tersebut akan mempunyai simpangan baku lebih dari 1,75.

Jawab :
Dari soal, diketahui varians populasinya (2) adalah 2,25. maka simpangan baku
populasi () adalah
=

2,25 = 1,5

dan simpangan baku sampel (s) = 1,75


sehingga s = 1,5 dan
1,5
250
= 0,095

s =

Transformasi untuk tabel distribusi Normal Baku adalah :

1,75 1,5
0,095
= 2,63

z=

Dari soal yang ditanyakan adalah peluang sampel akan mempunyai simpangan baku
lebih dari 1,75. Maka luas daerah yang dicari adalah :

Buku Ajar

168

Bab 9: Distribusi Sampling

Dari Tabel Normal Baku : Untuk z = 2,63 diperoleh 0,4975


Jadi P(Z > 2,63) = 0,5 0,4957
= 0,0043

Sehingga besarnya peluang, bahwa sampel akan mempunyai simpangan baku lebih
dari 1,75 adalah sebesar 0,0043.
5.4 Distribusi Selisih Rata-rata dan Distribusi Jumlah Rata-rata
Misalkan kita mempunyai dua buah populasi, masing-masing berukuran N1 dan N2.
Populasi kesatu mempunyai rata-rata 1 dan simpangan baku 1. Populasi kedua
mempunyai rata-rata 2 dan simpangan baku 2. Secara independen dari populasi
kesatu diambil sampel acak berukuran n1 dan dari populasi kedua diambil sanpel acak
berukuran n2. Populasi kesatu mempunyai variable X, dan populasi kedua
mempunyai variable Y. Dari sampel-sampel tersebut dihitung rata-ratanya sehingga
diperoleh kumpulan rata-rata sampel : x 1, x 2 , , x n dan y 1, y 2, , y n.
n1 adalah banyaknya sampel yang diambil dari populasi kesatu
n2 adalah banyaknya sampel yang diambil dari populasi kedua
Bentuk semua selisih antara rata-rata dari sampel-sampel, sehingga didapat kumpulan
selisih rata-rata, yang bentuk umumnya :
xi y j ; i = 1,2 ,...,k dan j = 1,2,...,r i
Dari kumpulan selisih rata-rata sampel tersebut, akan membentuk distribusi selisih
rata-rata. Dari kumpulan tersebut, kita dapat menghitung rata-ratanya, diberi simbul
x y - .
Apabila populasi berdistribusi normal, maka untuk distribusi selisih rata-rata berlaku :
x y = 1 2

Buku Ajar

(9.7)

169

Bab 9: Distribusi Sampling

x y =

12 22
+
n1
n2

atau

y x = 2 1

yx

12 22
=
+
n1
n2

(9.8)

(9.9)

Agar tabel Distribusi Normal Baku dapat digunakan, maka transfomasinya adalah:
z=

( x y ) ( 1 2 )
x y

(9.10)

Apabila dari dua kumpulan rata-rata sampel x i dan y j , i = 1, 2, , k ;


j=
1, 2, , r dibentuk jumlahnya, maka diperoleh jumlah rata-rata sampel
xi+ yj
. Dari kumpulan jumlah rata-ratanya diberi simbol x + y dan simpangan bakunya
diberi simbol x + y .
Untuk populasi berdistribusi normal dan sampel-sampel acaknya independen
distribusi jumlah rata-rata berlaku :
x+ y =

12 22
+
n1
n2

(9.11)

Transformasi yang digunakan adalah :


z=

( x + y ) (1 + 2 )
x+y

(9.12)

Contoh :
Rata-rata berat badan mahasiswa laki-laki 67 kg dan simpangan bakunya 2,5 kg. Ratarata berat badan mahasiswa perempuan 62 kg dengan simpangan bakunya 2,3 kg.
Dari kedua kelompok mahasiswa itu, masing-masing diambil sebuah sampel acak
secara independen berukuran masing-masing 110 orang. Tentukanlah peluang ratarata berat badan mahasiswa laki-laki paling sedikit 4 kg lebihnya dari berat badan
mahasiswi.

Buku Ajar

170

Bab 9: Distribusi Sampling

Jawab :
Untuk membedakan mahasiwa dan mahasiswi, kita beri simbul X dan Y.
Dari soal di atas diketahui :
1 = x = 67 kg ; 1 = x = 2,5 kg
1 = y = 62 kg ; 2 = y = 2,3 kg
n1 = n2 = 110
Maka : x y = 67 kg 62 kg
= 5 kg

Simpangan baku :

x y

(2,5) 2 (2,3) 2
=
+
110
110
= 0,3238

Rata-rata berat badan mahasiswa laki-laki paling sedikit 4 kg lebihnya dari berat
badan mahasiswi, maka x - y = 4 kg
Transformasi : z =

45
= -3,09
0,3238

Peluang rata-rata berat badan mahasiswa laki-laki paling sedikit 4 kg lebihnya dari
berat badan mahasiswi adalah :

Dari tabel normal baku, untuk z = -3,09, luas daerahnya adalah 0,4990. Jadi peluang
yang dicari adalah 05 + 0,4990 = 0,9990.

5.5 Distribusi Selisih Proporsi


Misalkan ada dua buah populasi. Di dalam kedua populasi itu ada peristiwa A dengan
proporsi 1 untuk populasi kesatu, dan 2 untuk populasi kedua. Secara independent,

Buku Ajar

171

Bab 9: Distribusi Sampling

dari kedua populasi itu diambil sampel-sampel acak berukuran n1 dari populasi kesatu
dan berukuran n2 dari populasi kedua.
Untuk peristiwa A, diperoleh kumpulan proporsi :
xj
xi
; i = 1, 2, ... , k dan
; i = 1, 2, ... , r
n2
n1
Xi : adanya peristiwa A dalam sampel yang diambil dari populasi kesatu
Yj : adanya peristiwa A dalam sampel yang diambil dari populasi kedua
x y
Selisih proporsi : i j
n1 n2
Dari kumpulan selisih proporsi tersebut, dapat dihitung rata-ratanya diberi simbol sp
dan simpangan bakunya, diberi simbul sp .

Apabila datanya berdistribusi Normal, maka berlaku :


sp = 1 2
sp =

1 (1 1 ) 2 (1 2 )
+
n1
n2

Agar distribusi normal menjadi distribusi normal baku, diperlukan transformasi :


x y
( 1 + 2 )
n n2
z= 1
sp

Contoh :
Ada informasi, bahwa calon A akan mendapat suara 70% dalam pemilihan ketua RW.
Dua buah sampel acak secara independen diambil, masing-masing terdiri tas 200
orang. Berapa peluangnya akan terjadi perbedaan persentase tidak lebih dari 13%
yang akan memilih calon A ?
Jawab :
Dari soal di atas diketahui :

1 = 70% = 0,70
2 = 70% = 0,70

Buku Ajar

172

Bab 9: Distribusi Sampling

n1 = n2 = 200
Misalkan : x ; Jumlah ornag yang memilih calon A dalam sampel kesatu
y : Jumlah orang yang memilih calon A dalam sampel kedua

yang ditanyakan adalah :

y x
x y
< 13% atau < 13%
n2 n1
n1 n2

Sehingga apabila digabungkan menjadi :


-13% <

x y
< 13%
n1 n2

Maka akan diperoleh :


sp = 0,70 0,70
=0
0,70 x 0,30 0,70 x 0,30
+
200
200
= 0,04

sp =

Transformasi :
0,13 0
0,04
= 3,25
0,13 0
z2 =
0,04
= 3,25
z1 =

Besarnya peluang akan terjadi perbedaan persentase tidak lebih dari 13% yang akan
memilih calon A, dari gambar di bawah ini adalah luas daerah yang diarsir.

Buku Ajar

173

Bab 9: Distribusi Sampling

Dari Tabel Normal Baku untuk z = 3,25, luas daerahnya adalah 0,4994.
Jadi peluang yang dicari adalah 0,4994 + 0,4994 = 0,9988

5.6 Menentukan Ukuran Sampel


a.

Parameter yang diamati Rata-rata


Apabila dari suatu populasi diamati rata-ratanya dan perbedaan antara rata-rata
dari sampel ke sampel diharapkan tidak lebih dari sebuah harga d yang
ditentukan dan varians dari populasi diketahui nilainya, maka berlaku hubungan
x d.
Contoh :
Misalkan simpangan baku tinggi badan mahasiswa adalah 8,4 cm. Harga-harga
x dari sampel satu dengan sampel lainnya diharapkan tidak lebih dari 1cm.
Berapakah ukuran sampel yang diperlukan ?
Jawab :
Dari soal diatas diketahui : = 8,4 ; d = 1
Maka ukuran sampel yang diperlukan adalah :
x d

d
n
8,4
1
n
n = 8,4
n = (8, 4) 2
= 70,56
Jadi ukuran sampel minimal yang diperlukan adalah 71 mahasiswa

Buku Ajar

174

Bab 9: Distribusi Sampling

b.

Parameter yang diamati Proporsi dari Peristiwa A


Apabila dari suatu populasi diamati proporsi peristiwa A, dan jika perbedaan
antara proporsi sampel yang satu dengan yang lainnya diharapkan tidak lebih
dari sebuah harga d yang ditentukan, maka berlaku hubungan x d karena
n

x mengandung factor . Apabila tidak diketahui besarnya, dapat ditempuh


n

dengan cara konservatif, dengan mengambil harga kekeliruan baku atau galat
1
baku yang terbesar, yaitu ( 1 ) =
4

Contoh :
Menurut informasi ada 15% anggota masyarakat tergolong ke dalam golongan
A. Berapa orang yang harus diselidiki agar persentase golongan A dari sampel
yang satu dengan yang lainnya diharapkan berbeda paling besar 2% ?
Jawab :
Dari soal di atas diketahui : = 15%
= 0,15
d = 2%
ukuran sampel yang diperlukan
x d
n

(1 )
d
n

Buku Ajar

175

Bab 9: Distribusi Sampling

0,15 ( 0,85 )
0,02
n
0,1275
0,02
n
0,02 . n = 0,1275
n = 0,1275 : 0,02
n = 17,85357
n = (17,85357) 2
n = 316,75
Maka banyaknya orang diselidiki minimal 319 orang

6. Latihan
1.

Sebuah sampel acak terdiri atas pemain badminton 100 orang, sedangkan
pemain kidalnya ada 5%. Berapakah peluang dari 100 orang tersebut
akan ada paling sedikit 10 orang adalah pemain kidal.

2.

Simpangan baku berat anak laki-laki berumur 15 20 tahun besarnya 3,8


kg. Diambil semua sampel acak yang masing-masing berukuran 230 dan
varians tiap sampel dihitung. Tentukan rata-rata dan varians untuk
distribusi sampling simpangan baku.

3.

Lampu A rata-rata menyala 1400 jam, dan lampu B rata-rata menyala


1300 jam. Simpangan baku lampu A 160 jam, simpangan baku lampu B
125 jam. Dari populasi diambil sebuah sampel acak berukuran 85 dari
lampu A, dan 100 dari lampu B.

Tentukan :

4.

Buku Ajar

a)

Peluang rata-rata menyala lampu A paling sedikit 50 jam lebihnya


dari rata-rata menyala lampu B.

b)

Peluang jumlah rata-rata sampel akan lebih dari 2500 jam.

Pengalaman mencatat 65% dari penduduk ternyata menyenangi


pemimpin A. Dua buah sampel acak telah diambil masing-masing
berukuran 250. Tentukan peluangnya bahwa kedua sampel itu
memperlihatkan perbedaan persentase lebih dari 12% yang menyenangi
pemimpin A.

176

Bab 9: Distribusi Sampling

7.

Daftar Pustaka
a.

Bha ttaraya, G.K., and Johnsons, R.A., 1996. Statistical Principles and
Methods, John Wiley and Sons, New York.

b.

Bowerman, Bruce L and Richard, 1997, Applied Statistics, Irwin

c.

Sujana, 1992, Metode Statistika, Edisi ke-5, Tarsito, Bandung.

d.

Walpole, Ronald, 1986, Ilmu Peluang untuk Insinyur dan Ilmuwan, Penerbit
ITB, Bandung

Buku Ajar

177

MATERI POKOK X
PENAKSIRAN PARAMETER
MAS 201
Oleh :
Lisnur Wachidah , dkk

DAFTAR ISI
Halaman
1.
2.
3.
4.
5.

Pengantar
Kompetensi Dasar
Tujuan Pembelajaran
Indikator
Kegiatan belajar
5.1 Beberapa Definisi
5.2 Penaksiran Titik/Titik Taksiran
5.3 Penaksiran Interval
5.3.1 Menaksir Rata-Rata
5.3.2 Menaksir Proporsi
5.3.3 Menaksir Simpangan Baku
5.3.4 Menaksir Selisih Rata-Rata
6. Latihan
7. Daftar Pustaka

178
178
178
178
179
179
179
181
181
183
184
185
191
192

Bab 10: Penaksiran Parameter

Bab

10

Penaksiran Parameter
1. Pendahuluan
Penaksiran memegang peranan penting dalam statistika inferensial selain pengujian
Hipotesis. Penaksiran dibagi dalam dua pengertian yaitu penaksiran titik dan
penaksiran interval. Penaksiran interval bergantung pada suatu distribusi tertentu dari
serangkaian data yang kita amati.

2. Standar Kompetensi
Mahasiswa dapat mendeskripsikan konsep dasar Penaksiran parameter, syarat
penaksiran parameter, penaksiran titik dan interval, dapat memberikan contohcontoh penggunaan penaksiran titik dan interval dalam kehidupan sehari-hari

3. Tujuan Pembelajaran
Mahasiswa memahami konsep dasar Penaksiran parameter, syarat penaksiran
parameter, Mahasiswa memahami konsep dasar konsep dasar Penaksiran titik dan
interval, Mahasiswa memahami penggunaan penaksiran titik dan interval dalam
kehidupan sehari-hari

4. Indikator
o Mahasiswa dapat menjelaskan kembali konsep dasar Penaksiran parameter
o Mahasiswa dapat menjelaskan kembali syarat penaksiran parameter
o Mahasiswa dapat menjelaskan kembali konsep dasar Penaksiran titik dan
interval

Buku Ajar

178

Bab 10: Penaksiran Parameter

o Mahasiswa dapat melakukan


kehidupan sehari-hari

penaksiran titik dan interval dalam contoh

5. Kegiatan Belajar
Andaikan suatu populasi berukuran N mempunyai parameter yang tidak diketahui
nilainya. Untuk menaksir nilai kita ambil sample yang representatif berukuran n dari
populasi tersebut, kemudian kita hitung nilai statistika jadi adalah penaksir
untuk .
diharapkan hasilnya akan sama dengan , tetapi hal yang biasa terjadi adalah
menaksir oleh terlalu tinggi atau terlalu rendah. Kedua hasil tersebut jelas tidak
dikehendaki, karena penaksir yang diinginkan adalah penaksir yang baik, yaitu tak
bias, bervariasi minimum dan konsisten.

5.1 Beberapa Definisi


1. Penaksir dikatakan penaksir tak bias jika rata-rata semua harga yang
mungkin acak sama dengan .
2. Penaksir bervariasi minimum ialah penaksir dengan varians terkecil diantara
semua penaksir untuk parameter yang sama. Misalnya dapat ditaksir oleh
1 dan 2. Varians untuk 1 lebih kecil dari varians 2, maka 1 adalah
penaksir bervariasi minimum untuk .
3. Misalnya penaksir untuk yang dihitung berdasarkan sebuah sampel acak
berukuran n. Jika ukuran sampel makin membesar mendekati ukuran
populasi menyebabkan nilai mendekati , maka disebut penaksir
konsisten.
4. Penaksir yang tak bias dan bervariasi minimum disebut penaksir terbaik.

5.2 Penaksiran titik/ Titik taksiran


Yang dimaksud dengan penaksiran titik adalah sebuah nilai parameter populasi
ditaksir oleh sebuah nilai statistik sampel
Contoh :
Untuk menaksir tinggi rata-rata mahasiswa Indonesia diambil sebuah sampel
acak. Data sampel dikumpulkan lalu dihitung rata-ratanya. Misalkan didapat x
= 163 cm. Jika 163 cm ini dipakai untuk menaksir rata-rata tinggi mahasiswa
Buku Ajar

179

Bab 10: Penaksiran Parameter

Indonesia, maka 163 adalah titik taksiran untuk rata-rata tinggi mahasiswa
Indonesia.
Taksiran titik tidak secara lengkap memberikan informasi tentang keadaan
populasi, karena hanya mempunyai satu nilai saja. Titik taksiran untuk sebuah
parameter misalnya, harganya akan berlainan bergantung pada harga x yang
didapat dari sampel-sampel yang diambil. Karenanya orang sering merasa
kurang yakin atau kurang percaya atas hasil penaksiran semacam ini. Untuk
mengatasi itu dipakailah interval taksiran atau selang taksiran

Beberapa macam taksiran titik


a. Menaksir rata-rata dan simpangan baku
Misalkan kita mempunyai sebuah populasi berukuran N dengan rata-rata ,
kemudian diambil sampel berukuran n, lalu dihitung rata-rata dari sampel
( x ) dan simpangan baku s. x dan s adalah taksiran titik untuk dan .
x taksiran tak bias untuk sedangkan s taksiran tak bias untuk .

x
i =1

; i = 1, 2, , N

(10.1)

; i = 1, 2, , n

(10.2)

; i = 1, 2, , N

(10.3)

; i = 1, 2, , n

(10.4)

x=

x
i =1

n
N

(x
i =1

N
n

s=

x)

(x
i =1

x) 2

n 1

b. Menaksir Proporsi
Perhatikan populasi binom berukuran N dimana terdapat proporsi untuk
peristiwa A yang ada dalam populasi itu. Sebuah sampel acak berukuran n

Buku Ajar

180

Bab 10: Penaksiran Parameter

diambil dari populasi itu. Misalkan terdapat x peristiwa A, sehingga proporsi


x
sampel untuk peristiwa A adalah p = maka p adalah taksiran titik untuk
n

5.3 Penaksiran Interval


Taksiran interval adalah menaksir harga parameter oleh beberapa harga yang
dibatasi oleh batas atas dan batas bawah. Taksiran interval dilakukan guna
memperoleh taksiran yang lebih tinggi derajat kepercayaannya. Misalkan kita
dapat menaksir rata-rata tinggi mahasiswa antara 155 cm atau 170 cm, atau
antara 150 cm dan 175 cm dan sebagainnya. Makin besar jarak interval makin
tinggi kepercayaan tentang kebenaran penaksiran yang dilakukan. Menaksir ratarata tinggi mahasiswa antara 50 cm dan 200 cm lebih merasa yakin benar,
malahan merasa pasti benar daripada menaksir antara 150 cm dan 175 cm.
Dalam prakteknya harus dicari interval taksiran yang sempit dengan derajat
kepercayaan memuaskan. Derajat kepercayaan menaksir disebut koefisien
kepercayaan, merupakan pernyataan dalam bentuk peluang. Jika koefisien
kepercayaan dinyatakan dengan (gamma), maka 0 < < 1. Harga yang
digunakan bergantung pada persoalan yang dihadapi dan berapa besar sipeneliti
ingin yakin dalam membuat pernyataannya. Gamma yang biasa digunakan ialah
0,95 atau 0,99.
Untuk menentukan interval taksiran parameter dengan kepercayaan , maka
sebuah sampel acak diambil, lalu dihitung nilai statistik yang diperlukan.
Perumusan dalam bentuk peluang untuk parameter antara A dan B adalah :
P (A < < B) =
Jika persamaan di atas ditulis dalam bentuk lain alah untuk memperoleh 100 %
interval kepercayaan parameter adalah :
A<<B

5.3.1

Menaksir Rata-rata

Simpangan baku diketahui dan populasi berdistribusi normal


n
Jika 5%
N
x Z .
2

Buku Ajar

< < x + Z .
2

(10.5)

181

Bab 10: Penaksiran Parameter

n
Jika > 5%
N
x Z .
2

N n

< < x + Z .
N 1
n
2

N n
N 1

(10.6)

Simpangan baku tidak diketahui dan populasi berdistribusi normal


n
Jika 5%
N
x t p.

s
s
< < x + tp.
n
n

(10.7)

Dimana tp = nilai t yang didapat dari distribusi student dengan


1
p = (1+ ) dan dk = ( n 1 )
2
n
Jika > 5%
N
x tp.

s
n

N n
s
< < x + t p.
N 1
n

N n
N 1

(10.8)

Contoh :
Sebuah sampel acak terdiri atas 100 mahasiswa telah diambel dari
UNISBA lalu nilai IQ dicatat. Didapat x = 112 dan s = 10.
a. Tentukan taksiran titik rata-rata IQ mahasiswa UNISBA
b. Tentukan taksiran
kepercayaan 0,95

interval

rata-rata

IQ

dengan

koefisien

Jawab :
a. x = 112
n
b. 5%
N
1
1
p = (1+ ) = (1+ 0,95 ) = 0,975
2
2

Buku Ajar

182

Bab 10: Penaksiran Parameter

dk = n 1 = 99
tp = t0,975 (99) = 1,987
x t p.

s
s
< < x + t p.
n
n

10
10
< < 112 + 1,987
100
100
110 < < 114
112 1,987

Jadi diperoleh hasil dengan kepercayaan 95% rata-rata IQ mahasiswa UNISBA


ada dalam interval 110 dan 114.

5.3.2 Menaksir Proporsi


Perhatikan populasi binom berukuran N dimana terdapat proporsi untuk
peristiwa A. Sebuah sampel acak berukuran n diambil dari populasi tersebut,
misalnya untuk peristiwa A sehingga proporsi sampel untuk peristiwa A =
(x/n) = p
Taksiran interval untuk proporsi adalah :
P Z
2

pq
< < P + Z
n
2

dengan p =

pq
n

(10.9)

x
n

q=1p
z diperoleh dari normal baku
Contoh :
Misalkan kita ingin menaksir ada berapa persen anggota masyarakat berumur 15
tahun ke atas yang termasuk ke dalam golongan A. Unruk itu sebuah sampel
acak berukuran 1.200 diambil yang menghasilkan 504 tergolong kategori A
dengan interval kepercayaan 95%. Tentukan :
a. Taksiran titik untuk persentasi masyarakat yang tergolong kategori A
b. Taksiran interval untuk persentase masyarakat yang tergolong kategori A.
Jawab
a. p = x = 504 x 100% = 42%
n

Buku Ajar

1.200

183

Bab 10: Penaksiran Parameter

b. q = 1 p = 1 42% = 58%
Z = Z 0, 95 = Z 0 , 475 =1,96
2

P Z
2

pq
< < P + Z
n
2

pq
n

0,42 x 0,58
0,42 x 0,58
< < 0,42 + 1,96
1.200
1.200
0,39 < < 0,45
0,42 1,96

Jadi kita merasa 95% yakin bahwa persentase anggota masyarakat yang
termasuk golongan A akan ada dalam interval 39% dan 45%.

5.3.3

Menaksir Simpangan baku


Untuk menaksir varians 2 dari sebuah populasi, varians s2 berdasarkan
sampel acak berukuran n perlu dihitung dengan rumus

(x x )

S2 =

(10.10)

n 1

Varians sampel (S2) adalah penaksir tak bias untuk varians populasi (2)
akan tetapi simpangan baku sampel (s) bukan penaksir tak bias untuk
simpangan baku populasi ().
Jika populasinya berdistribusi normal dengan varians 2 maka 100%
interval kepercayaan untuk 2 adalah
(n 1) s 2
( n 1) s 2
2

<
<
21
21
2

(1 + )

(10.11)

(1 )

dimana :
n = ukuran sampel
21
2

(1 + )

dan

21
2

(1 )

di dapat dari tabel chi kuadrat berturut-turut

1
1
p = (1 + ) dan p = (1 ) dengan dk = n 1
2
2

Buku Ajar

184

Bab 10: Penaksiran Parameter

Contoh :
Sebuah sampel acak berukuran 30 telah diambil dari sebuah populasi yang
berdistribusi normal dengan simpangan baku . Dihasilkan harga statistik s2
= 7,8 dengan koefisien kepercayaan 0,95. Tentukan interval taksiran
simpangan baku .
Jawab :
N = 30
S2 = 7,8
= 0,95
dk = n 1
21
2

21
2

(1 + )

(1 )

= 21
2

(1, 95 )

= 20,975 = 45,7

= 20, 025 = 16

( n 1) s 2
( n 1) s 2
2
<

<
21
21
2

(1 + )

(1 )

29 . (7,8)
29 . (7,8)
< 2 <
45,7
16
4,95 < 2 < 14,4

Interval taksiran untuk simpangan baku adalah 2,23 < < 3,7
Kita merasa yakin 95% simpangan baku populasi ada pada interval 2,23 dan
3,7.

5.3.4

Menaksir Selisih Rata-Rata


Misalkan terdapat 2 buah populasi yang berdistribusi normal, rata-rata dan
simpangan bakunya masing-masing 1 dan 1 untuk populasi satu , dan 2
dan 2 untuk populasi kedua. Dari masing-masing populasi secara
independen diamil sebuah sampel acak dengan ukuran n1 dan n2. Rata-rata
dan simpangan baku sampel berturut-turut x1 , s1 dan x2 , s2 akan ditaksir
selisih rata-rata (1 - 2).
a. Jika kedua populasi berdistribusi normal mempunyai 1 = 2 = dan
besarnya diketahui maka 100% interval kepercayaan untuk (1 - 2)

Buku Ajar

185

Bab 10: Penaksiran Parameter

adalah:
( x1 x2 ) Z
2

1 1
+
< 1 2 < ( x1 x2 ) + Z
n1 n2
2

1 1 (10.12)
+
n1 n2

Dimana Z diperoleh dari tabel distribusi normal.


2

b. Jika 1 = 2 = tetapi tidak diketahui nilainya, maka 100% interval


kepercayaan untuk (1 - 2) adalah :
( x1 x2 ) t p S

1 1
1 1
+
< 1 2 < ( x1 x2 ) + t p S
+
n1 n2
n1 n2

(10.13)

dimana :
s=

(n1 1) S12 + ( n1 1) S 22
n1 + n2 2

tp diperoleh dari distribusi student dengan p = (1 + ) dan


dk = n1 + n2 2

c.Jika 1 2
Dengan memisalkan s1 = 12 dan s2 = 22 untuk sampel-sampel acak
berukuran cukup besar, maka rumus interval kepercayaannya adalah:
( x1 x2 ) Z
2

s12 s22
+
< 1 2 < ( x1 x2 ) + Z
n1 n2
2

s12 s22
+
n1 n2

(10.14)

dengan Z dari distribusi normal baku.


2

Contoh :
Ada dua cara pengukuran untuk mengukur kelembaban suatu zat
tertentu. Cara I dilakukan 50 kali yang menghasilkan x1 = 60,2 dan s12
= 24,7. Cara II dilakukan 60 kali dengan x2 = 70,4 dan s22 = 37,2.
Tentukan taksiran interval kepercayaan 95% mengenai perbedaan ratarata pengukuran dari kedua cara mengukur.

Buku Ajar

186

Bab 10: Penaksiran Parameter

Jawab :
s2 =
=

(n1 1) S12 + ( n1 1) S 22
n1 + n2 2
(50 1).24,7 + (60 1).37,2
= 31,53
50 + 60 2

1
1
1 1
+
= 31,53
+
=1,08
n1 n2
50 60

dengan p = (1 + 0,95) = 0,975


dk = n1 + n2 2
= 50 + 60 2 = 108
t0,975(108) = 1,984
Taksiran interval selisih rata-rata (1 - 2) adalah :
( x1 x 2 ) t p S

1 1
1 1
+
< 1 2 < ( x1 x2 ) + t p S
+
n1 n2
n1 n2

(60, 2 24,7) (1,984)(1,08) < 1 2 < (60,2 24,7) + (1,984)(1,08)


8,06 < 1 2 < 12,34

Dengan keyakinan 95% selisih rata-rata hasil pengukuran kedua cara


mengukur kelembaban suatu zat tertentu akan berada dalam interval
8,06 dan 12,34.

d. Jika Observasi Berpasangan


Yang dimaksud observasi berpasangan adalah dua buah sampel yang
berasal dari populasi yang dipasangkan berdasarkan :

Buku Ajar

Hubungan genetis. Misalnya : orang tua dan anak, saudara kandung,


saudara kembar

Hubungan social, misalnya : suami istri

Kriteria tertentu, misalnya : dipasangkan berdasarkan usia, tinggi


badan, kegemaran, dan sebagainya.

Peristiwa sebelum dan sesudah diberi perlakuan dimana kelompok


yang observasi adalah subjek yang sama tetapi subjek tersebut dapat
bertindak sebagai pengontrol dirinya sendiri.

187

Bab 10: Penaksiran Parameter

Misalkan populasi kesatu mempunyai variabel acak x dengan ratarata x dan populasi kedua mempunyai variabel acak Y dengan ratarata y. Dari kedua populasi tersebut diambil sampel berukuran
sama yaitu n1=n2=n. Didapat data sampel yang berpasangan yaitu :
(x1 , y1), (x2 , y2), , (xn , yn). Untuk menaksir selisih atau beda ratarata B = x - y dapat dibentuk dari selisih atau beda tiap-tiap
pasangan B1 = (x1 - y1), B2= (x2 - y2), , Bn = (xn - yn). Dari data
selisih tiap pasangan dihitung rata-rata dan simpangan bakunya yaitu:
B=

S B2 =

dan

n Bi2 ( Bi ) 2
n(n 1)

Interval taksiran untuk B dengan keyakinan 100% adalah :


B tp

SB
S
<B < B + t p B
n
n

(10.15)

Dimana :
Tp diperoleh dari distribusi student untuk p = (1 + ) dan
dk = n 1
Contoh :
Data berikut adalah mengenai tinggi anak laki-laki pertama (x) dan
tinggi ayah
Tinggi Anak (cm) Tinggi Ayah (cm) Beda (cm)

Buku Ajar

158

161

-3

160

159

163

162

157

160

-3

154

156

-2

164

159

169

163

158

160

-2

162

158

161

160

188

Bab 10: Penaksiran Parameter

Tentukan interval taksiran selisih rata-rata tinggi badan ayah dan anak
dengan keyakinan 95%.
Jawab :
B=

B = 8 = 0,8
n

10

n B 2 ( B )

SB =

n( n 1)

10 (106) 64
=11,07
(10)(9)

tp (dk) = t( 1 + 0,95 ) ( n 1 ) = t0,975 ( 9 ) = 2,26


Interval taksiran selisih rata-rata adalah :
SB
S
< B < B + t p B
n
n
(11,07)
(11,07)
0,8 2,26
< B < 0,8 + 2,26
10
10
1,6 < B < 3,2
B tp

Jadi interval taksiran selisih rata-rata tinggi badan ayah dan anak laki-laki
yakin 95% berada pada interval (-1,6 cm ) dan 3,2 cm.

e. Menaksir Selisih Proporsi


Andaikan terdapat dua populasi Binom dengan parameter untuk
peristiwa yang sama (misal A) adalah 1 dan 2. Dari masing-masing
populasi secara independen diambil sampel secara acak berukuran n1 dari
populasi kesatu dan berukuran n2 dari populasi kedua.
Dari masing-masing sampel diperoleh peristiwa A sebesar x1 dan x2,
sehingga proporsi peristiwa A dalam masing-masing sampel adalah
x
x
p1 = 1 dan p2 = 2 . Akan ditentukan interval taksiran (1 - 2).
n1
n2
Dengan menggunakan pendekatan distribusi normal diperoleh untuk
kepercayaan 100% selisih (1 - 2) adalah :
( p1 p2 ) Z
2

p1q1 p2 q2
+
< 1 2 < ( p1 p2 ) + Z
n1
n2
2

p1q1 p2 q2 (10.16)
+
n1
n2

Dimana :
q1 = ( 1 p1)
q2 = ( 1 p2)

Buku Ajar

189

Bab 10: Penaksiran Parameter

Z diperoleh dari tabel normal baku


2

Contoh :
Terdapat dua kelompok pemudi dan pemuda yang mengunjungi suatu
pameran. Dari kedua kelompok diambil sampel acak masing-masing 500
untuk pemudi dan 700 untuk pemuda. Dari masing-masing sampel ditanya
apakah mereka senang terhadap pameran tersebut, 325 pemudi menjawab
senang telah mengunjungi pameran sedangkan dari pemuda yang menjawab
senang sebanyak 400 orang. Dengan interval kepercayaan 95% tentukan
perbedaan persentase pemudi dan pemuda yang senang terhadap pameran
tersebut ?
Jawab :
Ukuran sampel pemudi = n1 = 500
Ukuran sampel pemuda = n2 = 700
x1 yang menyenangi pameran dari kelompok pemudi = 325 orang
x2 yang menyenangi pameran dari kelompok pemuda = 400 orang

p1 =

x1 325
=
x100% = 65%
n1 500

p2 =

x2 400
=
x 100% = 57%
n2 700

q1 = 100% - 65% = 35%


q2 = 100% - 57% = 43%

p1q1 p2 q2
0,65 x 0,35 0,57 x 0,43
+
=
+
= 0,0284
n1
n2
500
700

Z = Z0,475 = 1,96
2

Interval taksiran 1 - 2 adalah :


( p1 p2 ) Z
2

Buku Ajar

p1q1 p2 q2
+
< 1 2 < ( p1 p2 ) + Z
n1
n2
2

p1q1 p2 q2
+
n1
n2

190

Bab 10: Penaksiran Parameter

(0,65 0,57) (1,96)(0,00284) < 1 - 2 < (0,65 0,57) + (1,96)(0,00284)


0,024 < 1 - 2 < 0,136

Jadi 95% yakin bahwa perbedaan persentase pemudi dan pemuda yang
mengunjungi pameran dan menyenanginya akan ada dalam interval yang
dibatasi oleh 2,4% dan 13,6%

6.

Latihan
1. Pemilik sebuah restoran ingin menduga berapa rata-rata pengeluaran para
pelanggan untuk makan siang di restoran tersebut. Sebuah sampel acak
terdiri atas 36 konsumen telah dipilih dari populasi pelanggan yang telah
makan direstoran tersebut. Ternyata dari 36 orang tersebut rata-rata
pengeluarannya Rp. 15.000,00. Sedangkan menurut pengalaman
simpangan bakunya Rp. 2.500,00. Buatlah interval keyakinan sebesar 95%
untuk rata-rata pengeluaran seluruh pelanggan.
2. Sebuah sampel acak terdiri atas 100 mahasiswa telah dipilih dari seluruh
mahasiswa UNISBA. Ke-100 mahasiswa tersebut diberi tes kecerdasan
diperoleh rata-rata mereka 112 dengan simpangan baku 11. Tentukan
interval kepercayaan 99% untuk rata-rata IQ mahasiswa UNISBA
3. Simpangan baku masa hidup 12 lampu listrik diambil sebagai sampel
adalah 125 jam. Tentukan 95% interval kepercayaan untuk simpangan
baku masa hidup lampu listrik
4. Seorang importir menerima kiriman 2 macam lampu pijar yang masingmasing berlabel SINAR dan TERANG dalam jumlah yang besar sekali.
Importir tersebut secara random memilih sampel dari kedua jenis lampu
tersebut masing-masig 50 buah lampu, kemudian dari kedua sampel
tersebut diuji secara cermat masa hidupnya diperoleh hasil rata-rata masa
hidup lampu SINAR 1.282 jam dengan simpangan baku 80 jam,
sedangkan untuk lampu TERANG rata-rata masa hidupnya 1.208 jam
dengan simpangan bakunya 94 jam. Tentukan interval taksiran selisih
rata-rata masa hidup kedua lampu tersebut dengan keyakinan 95%.
5. Ada dua kelompok pegawai, kelompok 1 dan kelompok 2 yang masingmasing terdiri atas 56 dan 78 pegawai. Pada suatu hari kerja telah diamati
waktu yang diperlukan untuk menyelesaikan pekerjaan oleh setiap
pegawai kedua kelompok tersebut. Kelompok 1 telah menyelesaikan
pekerjaan rata-rata dalam tempo 150 menit dengan simpangan baku 28
menit. Kelompok 2 telah menyelesaikan pekerjaan rata-rata dalam tempo
178 menit dengan simpangan baku 32 menit. Tentukan daerah taksiran
selisih rata-rata waktu menyelesaikan pekerjaan dengan koefisien
kepercayaan 95%.

Buku Ajar

191

Bab 10: Penaksiran Parameter

6. Suatu penelitian terhadap perilaku konsumen untuk barang x telah


dilakukan terhadap 2 golongan konsumen ( mampu dan tidak mampu ).
Dari golongan I dipilih 400 orang ternyata 230 konsumen suka pada
barang x dan dari golongan II dipilih 500 orang ternyata ada 200 orang
suka pada barang x. Tentukan interval kepercayaan 95% beda proporsi
untuk kedua golongan yang menyukai barang x.

7. Daftar Pustaka
1. Bha ttaraya, G.K., and Johnsons, R.A., 1996. Statistical Principles and
Methods, John Wiley and Sons, New York.
2. Bowerman, Bruce L and Richard, 1997, Applied Statistics, Irwin
3. Sujana, 1992, Metode Statistika, Edisi ke-5, Tarsito, Bandung.
4. Walpole, Ronald, 1986, Ilmu Peluang untuk Insinyur dan Ilmuwan, Penerbit
ITB, Bandung

Buku Ajar

192

Bab 10: Penaksiran Parameter

Buku Ajar

193